Modelling the Polish Financial Market with Stochastic Volatility with Jumps (SVJ) Models

• Autorzy: Paweł Kliber

Warianty tytułu

Modelowanie polskiego rynku finansowego za pomocą modeli zmienności stochastycznej ze skokami

• Języki publikacji: EN

Abstrakty

EN

In the article, we estimate the stochastic volatility with jumps (SVJ) models for a wide range of instruments from Polish financial markets. In the estimation, we use Bayesian Markov Chain Monte Carlo method. Then we examine whether there is a mean-reversion in the volatility process for the instrument and how active the jump processes for different groups of instruments are. (original abstract)

W pracy przedstawiono estymację modeli zmienności stochastycznej ze skokami (SVJ) dla szerokiej grupy instrumentów z polskiego rynku finansowego. Estymacje przeprowadzono bayesowską metodą Markov Chain Monte Carlo. Następnie rozważono, czy procesy zmienności badanych instrumentów charakteryzują się własnością powrotu do średniej oraz jak duża jest aktywność procesu skoków dla różnych klas badanych instrumentów. (abstrakt oryginalny)

Słowa kluczowe

EN

Stochastic models; Stochastic Volatility Processes; Monte Carlo method; Financial markets

PL

Modele stochastyczne; Procesy zmienności stochastycznej; Metoda Monte Carlo; Rynki finansowe

• Czasopismo: Zeszyty Naukowe / Uniwersytet Ekonomiczny w Poznaniu
• Rocznik: 2012
• Numer: nr 222
• Strony: 95--110

Twórcy

autor

Paweł Kliber

• Poznań University of Economics, Poland

Bibliografia

• Albert, J., 2007, Bayesian Computation with R, Springer.
• Bos, C.S., 2011, Relating Stochastic Volatility Estimation Methods, Tinbergen Institute Discussion Paper, no. 11-049/4.
• Broto, C., Ruiz, E., 2004, Estimation Methods for Stochastic Volatility Models: A Survey, Journal of Economic Surveys, vol. 18, pp. 613-649.
• Calvet, L.E., Fisher, A.J., 2008, Multifractal Volatility, Elsevier, Amsterdam.
• Campbell, J., Lo, A., McKinlay, C., 1996, The Econometrics of Financial Markets, Princeton University Press, Princeton.
• Chib, S., Greenberg, E., 1995, Understanding the Metropolis-Hastings Algorithm, The American Statistician, vol. 49, pp. 327-335.
• Cont, R., 2001, Empirical Properties of Assets Returns: Stylized Facts and Statistical Issues, Qualitative Finance, vol. 1, pp. 223-236.
• Dacorogna, M.M, Gancay, R., Olsen, R.B., Pictet, O.V., 2001, An Introduction to High-frequency Finance, Academic Press, San Diego.
• Dobrev, D., Szerszeń, P., 2010, The Information Content of High-frequency Data for Estimating Equity Return Models and Forecasting Risk, Finance and Economic Discussion Series 2010-45, Federal Reserve Board.
• Engle, R.F., Patton, A.J., 2001, What Good is a Volatility Model? Qualitative Finance, vol. 1, pp. 237-245.
• Fouque, J.P., Papanicolaou, G., Sircar, K.R., 2001, Derivatives in Financial Markets with Stochastic Volatility, Cambridge University Press, Cambridge.
• Gelman, A., Carlin, J.B., Stern, H.S., Rubin, D.B., 2004, Bayesian Data Analysis, Chapman & Hall.
• Hardle, W., Hautsch, N., Pigorsch, U., 2008, Measuring and Modeling Risk Using High-frequency Data, in: Hardle, W., Hautsch, N., Overbeck, L. (eds.), Applied Quantitative Finance, 2nd ed., Springer, pp. 275-293.
• Jacquier, E., Polson, N.G., Rossi, P., 1994, Bayesian Analysis of Stochastic Volatility Models, Journal of Business & Economic Statistics, vol. 12, pp. 371-417.
• Johannes, M., Polson, N., 2010, MCMC Methods for Continuous-time Financial Econometrics, in: Ait-Sahalia, Y., Hansen, L.P., Handbook of Financial Econometrics, vol. 2, pp. 1-72.
• Meyer, R., Yu, J., 2000, BUGS for a Bayesian Analysis of Stochastic Volatility Models, Econometrics Journal, vol. 3, pp. 198-215.
• Numatsi, A., Rengifo, E.W., 2010, Stochastic Volatility Model with Jumps in Returns and Volatility: An R-package Implementation, w: Vinod, H.D. (ed.) Advances in Social Science Research Using R, Springer, New York.
• Ntzoufras, I., 2009, Bayesian Modeling Using WinBUGS, Wiley, Hoboken.
• Pajor, A., 2003, Procesy zmienności stochastycznej SV w bayerowskiej analizie finansowych szeregów czasowych, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.
• Scott. L., 1987, Option Pricing when the Variance Changes Randomly: Theory, Estimation and an Application, Journal of Financial and Quantitative Analysis, vol. 22, pp. 419-438.
• Suess, E.A., Trumbo, B.E., 2010, Introduction to Probability Simulation and Gibbs Sampling with R, Springer.
• Szerszeń, P. J., 2009, Bayesian Analysis of Stochastic Volatility Models with Levy Jumps: Application to Risk Analysis, Finance and Economics Discussion Series 2009-40, Board of Governors of the Federal Reserve System.
• Todorov, V., Tauchen, G., 2009, Activity Signature Function for High-frequency Data Analysis, Journal of Econometrics, preprint.
• Zhang, L., Mykland, PA., Ait-Sahalia, Y., 2005, A Tale of Two Time Scales: Determining Integrated Volatility with Noisy High-frequency Data, Journal of the American Statistical Association, vol. 100, pp. 1394-1411.