ARCH-Building Models of Time Series Prediction for Investment

• Autorzy: Kateryna Berezka , Vadym Masliy

Warianty tytułu

Budowa ARCH-modeli szeregów czasowych do prognozowania inwestycji portfelowych

• Języki publikacji: EN

Abstrakty

EN

Nowadays, due to the increased internationalization of financial markets and the increasing openness of national economies, there is increasing cross-border movement of portfolio investments as a form of international economic relations. The objects of portfolio investment could be shares, bills, debt securities, derivatives etc. Direct and portfolio investments are different in nature and do not have the same influence on the economy of the resident. Since portfolio investments are providing the purchase of securities and other financial instruments and have a speculative nature due to the potential risk of rapid outflows, it can be concluded that they are largely volatile and, therefore, cannot be predicted by standard predictive models and ARIMA-models. The aim of our study is to attempt to apply econometric models of conditional and generalized heteroscedasticity (ARCH-model and GARCH-model) and to predict the volume of portfolio investments in Ukraine. The scope of portfolio investments in Ukraine is researched, and there is also built an econometric model of ARCH family. Evaluation of ARCH models options is made by maximum likelihood method. Checking the adequacy of models is done by selected the most optimal one and made for the forecasting period. Research was conducted using the package EViews 6(original abstract)

Aktualnie wskutek internacjonalizacji rynków finansowych, jak również w wyniku coraz większej otwartości gospodarek narodowych dokonuje się aktywizacja przepływu transgranicznych inwestycji portfelowych jako jednej z postaci stosunków gospodarczych w wymiarze międzynarodowym. Przedmiotami inwestycji portfelowych mogą być akcje, weksle, dłużne papiery wartościowe, derywaty itp. Inwestycje bezpośrednie oraz inwestycje portfelowe mają różne pochodzenie, w różnym stopniu oddziałują też na gospodarkę kraju rezydenta. Inwestycje portfelowe mają niekiedy charakter spekulacyjny, co oznacza, że istnieje ryzyko ich znacznego zmniejszenia w krótkim czasie. Można zatem dojść do wniosku, że są one zmienne, a więc nie mogą być prognozowane za pomocą standardowych modeli prognozujących oraz modeli ARIMA. Celem badania jest próba zastosowania modeli ekonometrycznych o heteroskedastyczności warunkowej oraz uogólnionej (ARCH-modele oraz GARCH-modele) dla prognozowania skali inwestycji portfelowych na Ukrainie. W artykule została zbadana wartość inwestycji portfelowych na Ukrainie, a także opracowano modele ekonometryczne rodziny ARCH. Ocena parametrów modeli ARCH była prowadzona na podstawie metody maksymalnej wiarygodności. Modele sprawdzono pod względem adekwatności, a następnie wybrano model optymalny. Na podstawie tego modelu wykonano prognozowanie na jeden okres. Badanie przeprowadzono za pomocą pakietu EViews 6(abstrakt oryginalny)

Słowa kluczowe

EN

Financial markets; Forecasting; Investment; Investment portfolio

PL

Rynki finansowe; Prognozowanie; Inwestycje; Portfel inwestycyjny

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2016
• Numer: nr 434 Quantitative Methods in Accounting and Finance
• Strony: 19--26

Twórcy

autor

Kateryna Berezka

• Ternopil National Economic University

autor

Vadym Masliy

• Ternopil National Economic University

Bibliografia

• Bollerslev T., 1986, Generalized autoregressive conditional heteroscedasticity, Journal of Econometrics, no. 31, pp. 307-327.
• Bollerslev T., Сhou R., Kroner K., 1992, ARCH modeling in finance: A selective review of the theory and empirical evidence, Journal of Econometrics, no. 52, pp. 5-59.
• Brownlees C., Engle R., Kelly B., 2012, A practical guide to volatility forecasting through calm and storm, Journal of Risk, no. 14, pp. 3-25.
• Сhou R.Y., 1988, Volatility persistence and stock valuations: Some empirical evidence using GARCH, Journal of Applied Econometrics, no. 3, pp. 279-294.
• Ding J., Meade N., 2010, Forecasting accuracy of stochastic volatility, GARCH and EWMA models under different volatility scenarios, Applied Financial Economics, no. 20, pp. 771-783.
• Engle R.F., 1982, Autoregressive conditional heteroskedasticity with estimates of the variance of U.K. inflation, Econometrica, no. 50, pp. 987-1008.
• Glosten L., Jagannathan R., Runkle D., 1993, On the relationship between the expected value and the volatility of the nominal excess return on stocks, Journal of Finance, no. 48, pp. 1779-1801.
• Klaasen F., 2002, Improving GARCH volatility forecasts with regime-switching GARCH, Empirical Economics, no. 7, pp. 363-394.
• Nelson D., Conditional heteroskedasticity in asset returns: A new approach, Econometrica, vol. 9, no. 2, pp. 347-370.

Identyfikatory

DOI

10.15611/pn.2016.434.02