Bayesowskie modelowanie indeksu WIG z wykorzystaniem modelu autoregresyjnego z losowymi parametrami

• Autorzy: Jacek Kwiatkowski

Warianty tytułu

Bayesian Modelling of WIG Index Using RCA Models

• Języki publikacji: PL

Abstrakty

Przedstawiono wnioskowanie bayesowskie w modelach RCA (Random Coefficient Autoregressive). Omówiono ich postać, warunki stacjonarności oraz postać funkcji wiarygodności. Zaprezentowano również bayesowską estymację i testowanie modeli RCA. Badania dotyczyły analizy dziennych notowań indeksu WIG. Analizie poddano modele AR, RCA i ARCH. (fragment org. streszczenia).

EN

The subject of the article focuses on Bayesian approach to analyze Random Coef-ficent Autoregresiive models. This paper presents properties, estimation and Bayesian testing of RCA with an application to Polish index WIG. Given the empirical analysis, it is evident that RCA models attain the lower rank than standard AR models with con-stant parameters. (original abstract)

Słowa kluczowe

PL

Indeks giełdowy; Wnioskowanie bayesowskie; Modelowanie ekonometryczne

EN

Stock market indexes; Bayesian inference; Econometric modeling

• Czasopismo: Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego
• Rocznik: 2007
• Numer: nr 5
• Strony: 397--408

Twórcy

autor

Jacek Kwiatkowski

Bibliografia

• Andel J. (l976), Autoregressive series with random parameters Mathematische Operationsforschung und Statistics, Series Statistics, 7, 735-741.
• Bera A., Higgins M.L., Lee S. (1992), Interaction between autocoralation and conditional heteroscadasticity: a random-coeficient approach. Journal of Businnes & Economic Statistics, 1992, 10, 2, 133-142.
• Bollerslev T. (1986), Generalized autoregressive conditionalheteroscedasticity, Journal of Econometrics, 31, 307-327.
• Box G.E.P., Jenkins G.M. (1983), Analiza szeregów czasowych. Prognozowanie i sterowanie, PWN, Warszawa.
• Engle R.F. (1982), Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation, Econometrica, 50, 987-1006.
• Granger C.W.J., Swanson N.R. (1997), Ań Introduction to stochastic unit-root process, Journal of Econometrics, 80, 35-62.
• Górka J. (2007), Modele autoregresyjne z losowymi parametrami, Procesy STUR. Modelowanie i zastosowanie do finansowych szeregów czasowych, pod red. Magdaleny Osińskiej, Dom Organizatora T.N.O.i K., Toruń.
• Morettin, P.A., Safadi, T. (2003), A Bayesian analysis of autoregressive models with random normal coefficients. Journal of Statistical Computation and Simulation, United States, 73, 8, 563-574.
• Nicholls, D.F. and Quinn, B.G. (1982), Random coefficient autoregressive models: Ań introduction, Springer-Yerlag, New York.
• Osiewalski J. (2001), Ekonometria bayesowska w zastosowaniach, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.
• Osiewalski J., Pajor A., Pipień M. (2004), Bayesowskie modelowanie i prognozowanie indeksu WIG z wykorzystaniem procesów GARCH i SV. XX Seminarium Ekonometryczne im. Profesora Zbigniewa Pawlowskiego, pod red. Aleksandra Zeliasia, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków, 17-39.
• Osiewalski J., Pipień M. (1998), Bayesowskie prognozowanie kursu dolara USA, przy użyciu modelu GARCH(1,1), Prace Naukowe nr 808, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław, 119-126.
• Pipień M. (2001), Bayesowska analiza modeli GARCH: założenia, metody i wyniki, Metody ilościowe w naukach ekonomicznych. Pierwsze warsztaty doktorskie z zakresu Ekonometrii i Statystyki, pod red. Aleksandra Welfe, Szkoła Główna Handlowa w Warszawie, Warszawa, 141-163.
• Tong H. (1990), Non-linear time series: a dynamical system approach, Oxford University Press, Oxford. Tsay R.S. (1987), Conditional heteroscedastic time series models, Journal of the American Statistical Association 82, 398.