Jakość prognoz wartości zagrożonej w ramach modeli klasy GARCH

• Autorzy: Oskar Knapik
• Języki publikacji: PL

Abstrakty

Celem pracy jest ocena trafności prognoz wartości zagrożonej uzyskanych na podstawie modeli GARCH dla stóp zwrotu z wybranego instrumentu finansowego oraz wskazanie optymalnego modelu GARCH dla prognozowania tej wielkości.Weryfikacji zostały poddane następujące hipotezy badawcze: 1) jakość prognoz wartości zagrożonej zależy od typu rozkładu warunkowego GARCH, 2) trafność prognoz wartości zagrożonej zalezy od dobroci dopasowania modelu służącego jej prognozowaniu w próbie, 3) ocena wartości zagrożonej w próbie może stanowić dobre kryterium wyboru modelu do prognozowania tej wielkości, 4) typ rozkładu warunkowego modelu GARCH nie ma wpływu na prognozę warunkowej wariacji. (fragment tekstu)

Słowa kluczowe

PL

Ekonometria; Prognozy ekonometryczne; Stopa zwrotu

EN

Econometrics; Econometric forecasts; Rate of return

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2010
• Tom: Badania ekonometryczne w teorii i praktyce
• Strony: 121--139

Twórcy

autor

Oskar Knapik

Bibliografia

• Bollerslev T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. "Journal of Econometrics", 31, s. 307-327.
• Bollerslev T. (1987). A Conditionally Heteroskedastic Time Series Model for Speculative Prices and Rates of Return. "The Review of Economics and Statistics", 69, 3, s. 542-547.
• Campbell S.D. (2005). A Review of Backtesting Procedures. Finance and Economics Discussion Series 2005-21, Board of Governors of the Federal Reserve System (U.S.).
• Christoffersen P.F. (1998). Evaluating Interval Forecasts. "International Economic Review", 39, s. 841-862.
• Doman M., Doman R. (2004). Ekonometryczne modelowanie dynamiki polskiego rynku finansowego. Akademia Ekonomiczna, Poznań.
• Doman M., Doman R. (2009). Modelowanie zmienności i ryzyka. Metody ekonometrii finansowej. Wolters Kluwer - Polska - OFICYNA.
• Gospodarowicz A., Jajuga K., Jajuga T., Kania E., Ronka-Chmielowiec W., Rosinski P. (2007). Zarządzanie ryzykiem. Wydawnictwo Naukowe PWN, Warszawa.
• Hendricks D. (1996). Evaluation of Value-at-Risk Models Using Historical Data. "Proceedings", May, s. 334-362.
• Jajuga K., Jajuga T. (2007). Inwestycje. Instrumenty finansowe. Aktywa finansowe. Ryzyko finansowe. Inżynieria finansowa. Wydawnictwo Naukowe PWN, Warszawa.
• Kupiec P. H. (1995). Techniquesfor Verifying the Accuracy of Risk Measurement Models. "The Journal of Derivatives", 2, s. 73-84.
• Lopez J.A. (1999). Methods for Evaluating Value-at-Risk Estimates. "Economic Review", s. 3-17.
• Nelson D.B. (1991). Conditional Heteroscedasticity in Asset Returns: A New Approach. "Econometrica", 59, s. 347-370.
• Osiewalski J. (2001). Ekonometria bayesowska w zastosowaniach. Akademia Ekonomiczna, Kraków.
• Pipień M. (2006). Wnioskowanie bayesowskie w ekonometrii finansowej. Monografie. Akademia Ekonomiczna, Kraków, nr 176.
• Rachev S., Mittnik S. (2000). Stable Paretian Models in Finance. John Willey & Sons, New York.
• Thomas S., Sarma M., Shah A. (2003). Selection of Value-at-Risk Models. "Journal of Forecasting", 22, 4, s. 337-358.