Badanie wpływu indeksów zmienności na zmiany współzależności pomiędzy wybranymi rynkami finansowymi

• Autorzy: Anna Czapkiewicz , Paweł Jamer

Warianty tytułu

An Influence Analysis of Volatility Indices on Interdependence Changes between Selected Financial Markets

• Języki publikacji: PL

Abstrakty

Badanie współzależności oraz siły związków zachodzących pomiędzy finansowymi szeregami czasowymi jest jednym z ważniejszych zagadnień w analizie rynków finansowych. Do modelowania zależności wielowymiarowych rozkładów stóp zwrotu można zastosować funkcje połączeń. W celu uzyskania dynamiki zmian rozkładów stosuje się ukryty łańcuch Markowa. Jeśli w modelu dodatkowo założymy, że macierz przejścia w łań-cuchu Markowa zmienia się w czasie i jest zależna od pewnych zmiennych egzogenicznych, to uzyskamy odpowiedź na pytanie, które zmienne znacząco wpływają na modelowanie zależności pomiędzy rynkami finansowymi. W pracy pokazano, że indeksy zmienności konstruowane w oparciu o opcje na dany indeks, mogą istotnie poprawić model. Analizę prze-prowadzono na przykładzie zależności indeksu WIG z wybranymi indeksami europejskimi oraz indeksem amerykańskim. Jako indeks zmienności rozważono VIX oraz VSTOXX.(abstrakt oryginalny)

EN

The study of interdependence and the strength of the relationship between finan-cial time series is a quite important area in the financial literature. Hence we discussed the relationships between the main stock indices. The multivariate distributions of returns we modelled basing on copula functions approach. In order to obtain some dynamics of multi-variate distributions we applied the hidden Markov chain. Additionally we assumed that the transition matrix of the Markov chain was dependent on some exogenous variables. The study shows that the volatility indices VIX and VSTOXX which were taken as exogenous variables improved model efficiency.(original abstract)

Słowa kluczowe

PL

Procesy Markowa; Macierze przejścia; Giełda papierów wartościowych; Współczynniki zmienności; Zmienna objaśniająca

EN

Markov process; Transition matrices; Stock market; Coefficient of variation; Exogenous variable

• Czasopismo: Ekonometria / Uniwersytet Ekonomiczny we Wrocławiu
• Rocznik: 2016
• Numer: nr 3 (53)
• Strony: 87--101

Twórcy

autor

Anna Czapkiewicz

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

autor

Paweł Jamer

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Bibliografia

• Aloy M., De Truchis G., Dufrénot G., Keddad B., 2014, Shift-volatility transmission in east asian equity markets: New indicators, Market Microstructure and Nonlinear Dynamics, s. 273-291.
• Boudt K., Danielsson J., Koopman S.J., Lucas A., 2012, Regime switches in volatility and correlation of financial institutions, Technical Report, Working Paper Research, no. 227, National Bank of Belgium, Brussels.
• Chollete L., Heinen A., Valdesogo A., 2009, Modeling international financial returns with a multi-variate regime switching Copula, Journal of Financial Econometrics, 7 (4), s. 437-480.
• Dufrénot G., Damette O., Frouté P., 2014, Anticipated macroeconomic fundamentals, sovereign spreads and regime-switching: The case of the euro area, Market Microstructure and Nonlinear Dynamics, s. 205-234.
• Engle R.F., 2002, Dynamic conditional correlation: A Simple class of multivariate generalized auto-regressive conditional heteroskedasticity models, Journal of Business and Economic Statistics, 20 (3), s. 339-350.
• Feder-Sempach E., 2012, Rynki giełdowe i alternatywne systemy obrotu w krajach członkowskich Unii Europejskiej, Acta Universtatis Lodziensis, nr 264, s. 81-94.
• Filardo A.J., 1994, Business-cycle phases and their transitional dynamics, Journal of Business and Economic Statistics 12 (3), s. 299-308.
• Forbes K., Rigobon R., 2002, No contagion, only interpedence: Measuring stock market comove-ments, The Journal of Finance, 10 (5), s. 2223-2261.
• Hamilton J.D., 1990, Analysis of time series subject to changes in regime, Journal of Econometrics, 45 (1-2), s. 39-70.
• Hamilton J.D.,1994, Time Series Analysis, Princeton University Press, Princeton.
• Jondeau E., Rockinger M., 2006, The Copula-GARCH model of conditional dependencies: An international stock market application, Journal of International Money and Finance, 25 (5), s. 827-853.
• Kenourgios D., Samitas A., Paltalidis N., 2011, Financial crises and stock market contagion in a multivariate time-varying asymmetric framework, Journal of International Financial Markets, In-stitutions and Money, 21 (1), s. 92-106.
• Kim C.J., Piger, J., Startz, R., 2008, Estimation of Markov regime-switching regression models with endogenous switching, Journal of Econometrics 143 (2), s. 263-273.
• Longin F., Solnik B., 1995, Is the correlation in international equity returns constant: 1960-1990?, Journal of International Money and Finance, 14 (1), s. 3-26.
• Markwat T., Kole E., van Dijk D., 2009, Contagion as a domino effect in financial markets, Journal of Banking & Finance, 33 (11), s. 1996-2012.
• Patton A.J., 2006, Modelling asymmetric exchange rate dependence, International Economic Review, 47 (2), s. 527-556.
• Patton A.J., 2009, Copula-based models for financial time series, Handbook of Financial Time Series, s. 767-785.
• Rodriguez J.C., 2007, Measuring financial contagion: A Copula approach, Journal of Empirical Finance, 14 (3), s. 401-23.
• Tse Y.K., Tsui A.K.C., 2002, A multivariate generalized autoregressive conditional heteroscedastici-ty model with time-varying correlations, Journal of Business and Economic Statistics, 20 (3), s. 351-362.
• Vuong Q.H., 1989, Likelihood ratio tests for model selection and non-nested hypotheses, Economet-rica, 57 (2), s. 307-333.

Identyfikatory

DOI

10.15611/ekt.2016.3.07