Wyniki wyszukiwania - BazEkon

1

FDI in Poland: Determinants and Implications for Countries in Transition

100%

Torrisi R. C., Delaunay C. J., Kocia A., Lubieniecka M.

Ekonomia / Uniwersytet Warszawski

|

2009

|

nr 23

3-15

Author This paper examines the determinants of Foreign Direct Investment (FDI) in Poland and the Polish FDI experience since economic transition to a market economy began in late 1989 and some policy implications for similar economies. Using the ARIMA regression methodology, with a one year auto regressive lag for the independent variables, the model tested the dependency of FDI in Poland to a number of macroeconomic variables for the period 1991 to 2006. This paper validates the positive linkage between market size and FDI in Poland. In addition, other factors i.e. exchange rate, corporate taxes, and accession to the European Union were found to be significant determinants. However, both the variables associated with openness to trade and rising wages were not significant determinants. This paper suggests that macroeconomic performance, the relative strength of the US dollar and regional economic integration are important factors in attractiveness of FDI in host countries. Additionally, existing tax rates may impact FDI, but experience and data suggest that foreign investors with long term planning horizons are attracted by expected future profitability and future rate declines. From a firm's perspective, this paper suggests that the additional risks of market entry via FDI are acceptable to decision makers when the host economy is growing and committed to economic liberalization, market determined currency valuation and regional integration, while labour costs per se are not significant barriers to FDI. The successful economic transformation and the ensuing positive experience of foreign investors in Poland provide evidence and confirmation that significant FDI opportunities may be realized in similar transition economies. (original abstract)

2

Modelling Financial Processes with Long Memory in Mean and Variance

84%

Fiszeder P.

Dynamic Econometric Models

|

2006

|

7

133-142

ARFIMA and FIGARCH models are characterized in the paper. In empirical part of the article selected financial time series are analysed. For many time series IGARCH model was the best in modelling volatility. However it seems that models selected on the grounds of the Bayesian information criterion are too restrictively parameterised and in many cases they are modelling volatility of empirical returns worse than the GARCH or FIGARCH models.(fragment of text)

3

Modelling and Forecasting Monthly Brent Crude Oil Prices: a Long Memory and Volatility Approach

84%

Al-Gounmeein R. S., Ismail M. T.

Statistics in Transition

|

2021

|

22

|

nr 1

29-54

The Standard Generalised Autoregressive Conditionally Heteroskedastic (sGARCH) model and the Functional Generalised Autoregressive Conditionally Heteroskedastic (fGARCH) model were applied to study the volatility of the Autoregressive Fractionally Integrated Moving Average (ARFIMA) model, which is the primary objective of this study. The other goal of this paper is to expand on the researchers' previous work by examining long memory and volatilities simultaneously, by using the ARFIMA-sGARCH hybrid model and comparing it against the ARFIMA-fGARCH hybrid model. Consequently, the hybrid models were configured with the monthly Brent crude oil price series for the period from January 1979 to July 2019. These datasets were considered as the global economy is currently facing significant challenges resulting from noticeable volatilities, especially in terms of the Brent crude prices, due to the outbreak of COVID-19. To achieve these goals, an R/S analysis was performed and the aggregated variance and the Higuchi methods were applied to test for the presence of long memory in the dataset. Furthermore, four breaks have been detected: in 1986, 1999, 2005, and 2013 using the Bayes information criterion. In the further section of the paper, the Hurst Exponent and Geweke-Porter-Hudak (GPH) methods were used to estimate the values of fractional differences. Thus, some ARFIMA models were identified using AIC (Akaike Information Criterion), BIC (Schwartz Bayesian Information Criterion), AICc (corrected AIC), and the RMSE (Root Mean Squared Error). In result, the following conclusions were reached: the ARFIMA(2,0.3589648,2)-sGARCH(1,1) model and the ARFIMA(2,0.3589648,2)-fGARCH(1,1) model under normal distribution proved to be the best models, demonstrating the smallest values for these criteria. The calculations conducted herein show that the two models are of the same accuracy level in terms of the RMSE value, which equals 0.08808882, and it is this result that distinguishes our study. In conclusion, these models can be used to predict oil prices more accurately than others. (original abstract)

4

Prognozowanie zmienności indeksu WIG20 za pomocą modeli AR-GARCH z dodatkową informacją

84%

Płuciennik P.

Zeszyty Naukowe / Akademia Ekonomiczna w Poznaniu

|

2007

|

nr 92

231-250

Opisywane w artykule wyniki wskazują, że zastosowanie dziennej zmienności implikowanej z opóźnieniem rzędu 1-6 dni jako dodatkowej zmiennej objaśniającej może poprawić jakość prognoz, która ze względu na duże wahania zmienności zrealizowanej w badanym okresie nie jest zbyt dobra. (fragment tekstu)

5

The Phillips Method of Fractional Integration Parameter Estimation and Aggregation of PLN Exchange Rates

84%

Syczewska E. M.

Dynamic Econometric Models

|

2006

|

7

209-220

Fractional integration parameter estimation can be performed with use of several methods. In earlier research the GPH and Robinson methods have been applied to the same set of exchange rates (monthly, weekly and daily data), and results of estimation do depend on aggregation levels. The Phillips method results, presented here, confirm our conjecture that the estimates differ between aggregation levels and between currencies. Fractional integration parameter estimate can be used as indicator of model specification (e.g., to chose between ARMA, ARIMA and ARFIMA models), hence in the process of its estimation special attention should be paid to properties of a particular method applied.(fragment of text)

6

Zastosowanie pochodnej ułamkowej w analizie finansowych szeregów czasowych

84%

Mastalerz-Kodzis A.

Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach

|

2001

|

nr 20 Zastosowania metod ilościowych w ekonomii i zarządzaniu

41-52

W artykule zaprezentowano sposób obliczania pochodnych ułamkowych oraz postać i własność modeli ARFIMA jako narzędzia opisującego zjawiska z długą pamięcią. Wskazano również na możliwości zastosowania tego typu modeli w naukach ekonomicznych.

7

Modeling the Realized Volatility with ARFIMA and Unobserved Component Models: Results from the Polish Financial Market

84%

Doman M.

FindEcon Monograph Series : advances in financial market analysis

|

2006

|

nr 2 Financial markets : principles of modeling forecasting and decision-making

121-135

Chapter 7 is focused on the notion of realized volatility in financial econometrics. The chapter presents an approach to the estimation of the daily realized volatility based on intraday returns. It also takes into account effects of market microstructure. The volatility has been modeled and predicted for stock index WIG20 and exchange rate USD/PLN using ARFIMA and unobserved component models. The findings are that modeling realized volatility with UC and ARFIMA models provides comparable volatility forecasts. (fragment of text)

8

Mathematical Models for Dynamics of Molecular Processes in Living Biological Cells. A Single Particle Tracking Approach

84%

Weron A.

Annales Mathematicae Silesianae

|

2018

|

32

5-41

In this survey paper we present a systematic methodology of how to identify origins of fractional dynamics. We consider three models leading to it, namely fractional Brownian motion (FBM), fractional Lévy stable motion (FLSM) and autoregressive fractionally integrated moving average (ARFIMA) process. The discrete-time ARFIMA process is stationary, and when aggregated, in the limit, it converges to either FBM or FLSM. In this sense it generalizes both models. We discuss three experimental data sets related to some molecular biology problems described by single particle tracking. They are successfully resolved by means of the universal ARFIMA time series model with various noises. Even if the finer details of the estimation procedures are case specific, we hope that the suggested checklist will still have been of great use as a practical guide. In Appendices A-F we describe useful fractional dynamics identification and validation methods. (original abstract)

9

Modeling and Predicting Japanese Stock Returns Based on the ARFIMA-FIGARCH

84%

Nagayasu J.

FindEcon Monograph Series : advances in financial market analysis

|

2006

|

nr 2 Financial markets : principles of modeling forecasting and decision-making

209-220

Chapter 12 presents Japanese stock returns by modeling persistence in both their mean and volatility. Firstly, evidence is obtained of persistence in the Japanese stock mean and volatility. Secondly, it has been found that the models incorporating persistence and appropriate economic fundamentals produce more accurate forecasts than those from a linear model. For example, the long-term interest rate is found to be significant in the Japanese stock return equation. The positive relationship between the stock return and the long-term rate reported in this chapter is consistent with the Japanese experience when a rise in the nominal interest rate has been regarded as a sign of economic recovery, rather than a harbinger of higher inflation rates and a slowdown of its economic growth in the future. Thirdly, the forecasting accuracy of the mean of the stock return appears reliable, particularly in the long-term context, once the persistent characteristics and an appropriate determinant are properly considered in estimation models. The results may be encouraging for investors who make investment decisions based on statistical methods, and have some implications for portfolio formulation. (fragment of text)

10

Długa pamięć w szeregach stóp zwrotu i w szeregach zmienności indeksów giełdowych

84%

Gierej K.

Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania / Uniwersytet Szczeciński

|

2008

|

nr 10 Inwestowanie na rynku kapitałowym

434-445

W artykule badano istnienie długiej pamięci w szeregach stóp zwrotu i szeregach zmienności stóp zwrotu indeksów giełdowych WIG, WIG20 CAC 40, DAX oraz S&P 500. Wykorzystano test Lo, modele ARFIMA i FIGARCH, semiparametryczny estymator Robinsona oraz estymator Geweke i Porter-Hudak parametru pamięci d. Zastosowane metody wskazały na brak długiej pamięci procesu w przypadku stóp zwrotu oraz występowanie pamięci długookresowej w przypadku szeregów zmienności. Dla wszystkich indeksów giełdowych najlepszym modelem opisującym zmienność był model FIGARCH albo IGARCH. Natomiast najlepszym modelem opisującym stopy zwrotu okazał się model ARFIMA(0,£/,0), ARFIMA( 1,0,1) lub ARFIMA(0,0,0), w zależności od indeksu.(abstrakt oryginalny)

11

Forecasting the End-of-the-Day Realized Variance

84%

Doman M., Doman R.

Metody Ilościowe w Badaniach Ekonomicznych / Szkoła Główna Gospodarstwa Wiejskiego

|

2009

|

10(X)

|

nr 1

67-75

W krótkim okresie po otwarciu giełdy ceny akcji kształtowane są przez duży pakiet nagromadzonych informacji, a zmienność zrealizowana z początku dnia ma silny wpływ na dzienną zmienność zrealizowaną. W związku z tym powstaje pytanie, czy poranna zmienność zrealizowana, wyliczana jako suma kwadratów śróddziennych stóp zwrotu, z kilku pierwszych godzin dnia giełdowego może być użyteczna w prognozowaniu dziennej zmienności zrealizowanej (zmienności na koniec dnia). W pracy stosowane są trzy różne metody prognozowania dziennej zmienności zrealizowanej akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie. Uzyskane wyniki pokazują, że poranna zmienność zrealizowana może dostarczać informacji zwiększających skuteczność prognozowania dziennej zmienności zrealizowanej.(abstrakt oryginalny)

12

Metody pomiaru zmienności kursów walutowych w warunkach kryzysowych

67%

Włodarczyk A.

Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego

|

2009

|

nr 3/1

427-438

Kryzysy finansowe ogarniające nie tylko poszczególne kraje, ale i destabilizujących całe regiony świata powodują znaczny wzrost zmienności parametrów rynkowych, w tym w szczególności kursów walutowych. W pracy przedstawiono wybrane aspekty dotyczące powstawania kryzysów oraz podkreślono konieczność zweryfikowania przez przedsiębiorstwa dotychczasowych systemów zarządzania ryzykiem finansowym. W celu prawidłowego pomiaru ryzyka walutowego należy zapewnić uczestnikom rynku dostęp do niezbędnej informacji oraz narzędzi wykorzystujących nowoczesne osiągnięcia nauki. Jednym z narzędzi ekonometrycznych umożliwiających pomiar poziomu zmienności kursu walutowego są modele autoregresyjne z warunkową heteroskedastycznością (GARCH), które umożliwiają opis efektu skupiania zmienności. Na bazie podstawowego modelu GARCH (p,q) powstało wiele jego modyfikacji, jednakże w pracy skoncentrowano się na specyfikacji umożliwiającej modelowanie długiej pamięci w średniej i wariancji warunkowej procesu, czyli na modelu ARFIMA-FIGARCH. Przedstawione w części empirycznej wartości wariancji warunkowej wyznaczonej dla kursu EUR/PLN na podstawie oszacowanych i zweryfikowanych modeli ARFIMA-FIGARCH wskazują na poziom ryzyka rynkowego towarzyszącego inwestycjom w euro w badanym okresie. Ogólny wniosek jaki nasuwa się po przeprowadzonej analizie sprowadza się do stwierdzenia, iż modele klasy GARCH mogą stanowić użyteczne narzędzie wykorzystywane do pomiaru ryzyka walutowego towarzyszącego działalności krajowych przedsiębiorstw. (abstrakt oryginalny)

13

Beta zrealizowana jako metoda pomiaru ryzyka systematycznego

67%

Będowska-Sójka B.

Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia

|

2010

|

nr 28

193-205

Dużym zainteresowaniem, zarówno praktyków jak i teoretyków finansów, cieszą się modele wyceny aktywów finansowych. Z punktu widzenia tych pierwszych istotne jest, aby model był nieskomplikowany, co przekłada się na małą liczbę czynników mających wpływ na kształtowanie cen instrumentów finansowych. Stąd duża popularność modelu wyceny aktywów kapitałowych (ang. capital asset pricing model), zaproponowanego niezależnie przez Sharpe'a (1966) i Lintnera (1965). W modelu CAPM jedynym czynnikiem wpływającym na zwroty z instrumentu jest ryzyko systematyczne, określone przez kowariancję zwrotów z pojedynczego instrumentu ze zwrotami z portfela rynkowego. Taka konstrukcja modelu narażona jest na krytykę. Z jednej strony trudno jednoznacznie określić, co stanowi najlepsze przybliżenie portfela rynkowego. Krytyka Rolla koncentruje się na tym, że nie ma jasności, co do tego, czy wskazana w teorii wielkość (tu: portfel rynkowy) jest dobrze odzwierciedlona w przyjmowanych wielkościach (szeroki indeks giełdowy). Z drugiej strony, w badaniach Famy i Frencha (1992) wykazano, że modele trójczynnikowe lepiej opisują zachowanie stóp zwrotu z akcji na rynkach kapitałowych niż model CAPM. (fragment tekstu)

14

Wpływ wielkości obrotów na ocenę warunkowej wariancji stóp zwrotu akcji na GPW w Warszawie

67%

Wójtowicz T.

Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania / Uniwersytet Szczeciński

|

2008

|

nr 10 Inwestowanie na rynku kapitałowym

685-696

W pracy przedstawiono wyniki badania liniowej przyczynowości pomiędzy wolumenem obrotów a warunkową wariancją stóp zwrotu. Analiza została przeprowadzone dla spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie w latach 2001-2007. Przeprowadzone obliczenia wskazują na istotny wpływ historycznych wartości wolumenu na ocenę warunkowej wariancji stóp zwrotu. (abstrakt oryginalny)