Prognozowanie zmienności zwrotów z akcji z wykorzystaniem danych śróddziennych

• Autorzy: Barbara Będowska-Sójka

Warianty tytułu

Volatility Forecasting Based on High Frequency Data

• Języki publikacji: PL

Abstrakty

Oszacowanie nieobserwowalnej zmienności zwrotów z instrumentu finansowego odgrywa istotną rolę z punktu widzenia dzisiejszych finansów i inżynierii finansowej. W artykule zaprezentowano wykorzystanie danych śróddziennych do szacowania zmienności dziennej, jak również postawienia prognoz tej zmienności z wykorzystaniem dwóch konkurencyjnych modeli i porównania jakości uzyskanych prognoz. W pracy podjęto próbę oszacowania zmienności zwrotów z wybranych, najbardziej płynnych akcji notowanych na GPW w Warszawie, bazując na zwrotach śróddziennych i korzystając z koncepcji zmienności zrealizowanej. Wykazano, że prognozy zmienności z modelu HAR-RV i modelu ARFIMA dają zbliżone wartości. (abstrakt oryginalny)

EN

In the paper unobservable volatility is estimated as a realized volatility with the use of 2 years 20-minute high frequency data. The idea of volatility cascade of Corsi [2009] is adapted to the most liquid stocks returns on the Polish capital market. Both HAR-RV model and ARFIMA models are used in volatility forecasting with highly comparable forecasts' quality. The main shortcoming of this approach is availability and quality of high frequency data. (original abstract)

Słowa kluczowe

PL

Stopa zwrotu akcji; Zmienność; Prognozowanie; Akcje

EN

Stock rate of returns; Variability; Forecasting; Shares

• Czasopismo: Zeszyty Naukowe / Uniwersytet Ekonomiczny w Poznaniu
• Rocznik: 2011
• Numer: nr 210
• Strony: 41--52

Twórcy

autor

Barbara Będowska-Sójka

• Uniwersytet Ekonomiczny w Poznaniu

Bibliografia

• Andersen, T.G., Bollerslev, T., Diebold, F.X., 2005, Roughing It Up: Including Jump Components in the Measurement, Modeling and Forecasting of Return Volatility, NBER Working Paper.
• Andersen, T.G., Bollerslev, T., Diebold, F.X. Ebens, H., 2001, The Distribution of Realized Stock Return Volatility, Journal of Financial Economics, vol. 61, s. 43-76.
• Andersen, T.G., Bollerslev, T., Diebold, F.X., Labys, P., 2003, Modeling and Forecasting Realized Volatility, Econometrica, vol. 71, s. 579-625.
• Andersen, T.G., Bollerslev, T., Meddahi, N., 2005, Correcting the Errors: Volatility Forecast Evaluation Using High-frequency Data and Realized Volatilities, Econometrica, vol. 72, s. 279-296.
• Barndorff-Nielsen, O.A.E., Shephard, N.A., 2002, Estimating Quadratic Variation Using Realised Variance, Journal of Applied Econometrics, vol. 17, s. 457-477.
• Będowska-Sójka, B., Kliber, A., 2010, Realized Volatility Versus GARCH and Stochastic Volatility Models. The Evidence from the WIG20 Index and the EUR/PLN Foreign Exchange Market, Przegląd Statystyczny, vol. 57, nr 4, s. 105-127.
• Corsi, F., 2009, A Simple Approximate Long-memory Model of Realized Volatility, Journal of Financial Econometrics, vol. 7, no. 2, s. 174-196.
• Doman, R., 2003, Prognozowanie zmienności zrealizowanej indeksu WIG20 za pomocą modelu GARCH, Przegląd Statystyczny, vol. 50, nr 4, s. 147-163.
• Doman, M., Doman, R., 2009, Modelowanie zmienności, Wolters Kluwer, Kraków.
• Hecq, A., Laurent, S., Palm, F., 2010, Common Intraday Periodicity, prezentacja na: Computational and Financial Econometrics (CFE'10) Conference, London.
• Laurent, S., 2010, G@rch 6,0 help, Timberlake Consultants Ltd., London.
• Mincer, J., Zarnowitz, V., 1969, The Evaluation of Economic Forecasts, w: Mincer, J. (red.), Economic Forecasts and Expectations: Analysis of Forecasting Behavior and Performance, National Bureau of Economic Research.
• Muller, U.A., Dacorogna, M.M., Dav, R., Pictet, O.V., Olsen, R.B., Ward, J., 1993, Fractals and Intrinsic Time - A Challenge to Econometricians, 39th International AEA Conference on Real Time Econometrics, 14-15 October 1993, Luxembourg
• Muller, U.A., Dacorogna, M.M., Olsen, R.B., Pictet, O.V., Schwarz, M., Morgenegg, C., 1990, Statistical Study of Foreign Exchange Rates Empirical Evidence of a Price Change Scaling Law and Intraday Analysis, Journal of Banking and Finance, vol. 14, s. 1189-1208.