Porównywanie zdolności prognostycznej modeli zmienności Indeksu WIG20 za pomocą testu SPA

• Autorzy: Eliza Buszkowska

Warianty tytułu

Comparing the Predictive Ability of Volatility Models for the WiIG20 Index Using the SPA Test

• Języki publikacji: PL

Abstrakty

Test nadrzędnej zdolności prognostycznej (SPA) pozwala orzec, czy pewien model prognostyczny daje nie gorsze wyniki niż inne modele. SPA jest przydatny, jeśli chcemy zbadać, czy dostępny jest lepszy model prognostyczny. Celem niniejszej pracy jest zbadanie za pomocą testu SPA, czy wybrane proste modele zmienności dopasowane do indeksu WIG20 dostarczają nie gorszych prognoz zmienności niż bardziej wyrafinowane modele typu GARCH, a także sprawdzenie wpływu różnych czynników na wyniki testu. (abstrakt oryginalny)

EN

The Test of Superior Predictive Ability (SPA) allows to test whether a particular forecasting procedure is outperformed by alternative forecasting models. The SPA test is useful in investigating whether any alternative forecasting model is better then the benchmark. The purpose of this paper is to use the SPA method to determine whether the Volatility forecasts from some selected simple volatility models fitted to the WIG20 are outperformed by those from more sophisticated ones. Moreover, we check the impact of different factors on the results of the test.(original abstract)

Słowa kluczowe

PL

Modele prognostyczne; Zmienność; Model GARCH; Warszawski Indeks Giełdowy (WIG)

EN

Forecasting models; Variability; GARCH model; Warsaw Stock Exchange Index

• Czasopismo: Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania / Uniwersytet Szczeciński
• Rocznik: 2008
• Numer: nr 10 Inwestowanie na rynku kapitałowym
• Strony: 383--393

Twórcy

autor

Eliza Buszkowska

• Uniwersytet im. Adama Mickiewicza w Poznaniu

Bibliografia

• Andersen T.G., Bollerslev T., Intraday Seasonality and Volatility Peresistence in Foreign Exchange and Equity Markets. Journal of Empirical Finance, 1997,4.
• Andersen T.G., Bollerslev T., Diebold F.X., Labys P., The Distribution of Exchange Rate Volatility. Journal of American Statistical Association, 2001, 96.
• Busse J. A., Volatility Timing In Mutual Funds: Evidence from Daily Returns. Review of Financial Studies, 1999, 12.
• Giacomini R., White H., Koopman S.J., The Test of Conditional Predictive Ability, University of California, San Diego 2003.
• Hansen P.R., A Test for Superior Predictive Ability. Journal of Business and Economic Statistics, 2005, 23.
• Hansen P.R., Lunde A., A Forecast Comparison of Volatility Models. Does Anything Beat a GARCH(I,I)? Journal of Applied Econometrics, 2005, 20.
• Hansen P.R., Kim J., Lunde A., Testing for Superior Predictive Ability using Ox. A Manual for SPA for Ox. 2003.
• Hansen P. R., Lunde A., Nason J. M., Choosing the Best Volatility Models: The Model Confidence Set Approach. Working Paper, 2003.
• Johannes M., Polson N., Stroud J., Sequential Optimal Portfolio Performance: Market and Volatility Timing. Wharton School, University of Pennsylvania, Working Paper, 2002.
• Koopman S.J., Jungbacker B., Hol, E., Forecasting Daily Variability of the S&P 100 Stock Index Using Historical, Realized and Implied Volatility Measurement. Journal of Empirical Finance, 2005, 12.
• Laurent S., Estimating and Forecasting ARCH Models Using G@RCH ™ 5. Timberlake Consultants, London 2007.
• Nagayasu J., Modeling and Predicting Japanese Stock Returns Based on ARFIMA-FIGARCH, [w:] Milo W. Wdowiński P. [red.], Financial Markets, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2006.
• Patton A.J., Sheppard K., Evaluating Volatility and Correlation Forecasts. Department of Economics and Oxford-Man Institute of Quantitative Finance, University of Oxford 2007.
• Politis D.N., Romano J.P., The Stationary Bootstrap. Journal of the American Statistical Association, 1994,89.
• Souza L., Veiga A., Medeiros M.C., Evaluating the Forecasting Performance of GARCH Models Using White's Reality Check, Departamento de Economia PUCRIO. Texto Para Discussao, 2002, 453.