Wielowymiarowe modele GARCH w ocenie ryzyka na polskim rynku energii elektrycznej

• Autorzy: Alicja Ganczarek-Gamrot

Warianty tytułu

Multivariate GARCH Models in Risk Measurement on Polish Electric Power Exchange

• Języki publikacji: PL

Abstrakty

Wśród bogatej klasy modeli GARCH możemy wyróżnić modele opisujące asymetrię, efekt długiej pamięci, efekt dźwigni, leptokurtyczność oraz grube ogony rozkładów. Niemniej jednak w analizie ryzyka przeważnie rozpatrywane są portfele składające się z kilku aktywów. W związku z czym, w analizach ryzyka niezbędne jest spojrzenie wielowymiarowe. Dlatego też w niniejszej pracy skupiono się na wielowymiarowych modelach kasy GARCH. Omówiono wybrane postacie wielowymiarowych modeli GARCH. Zaprezentowane modele zostały wykorzystane do oceny ryzyka na polskim rynku energii elektrycznej. (fragment tekstu)

EN

GARCH (Generalized Autoregressive Conditional Heteroscedasticity) models become almost necessary in the time series analysis with high frequency, where variance clustering effect is present. In risk analysis often portfolios are analyzed, so multivariate methods are necessary in risk estimation. In this work multivariate GARCH models are presented: selected multivariate generalizations of univariate GARCH models (VECH, BEKK), linear combinations of univariate GARCH models (OGARCH, GOGARCH), conditional correlation GARCH models (CCC, DCC). An attempt to apply these models to measure the risk on Polish power exchange was made. (original abstract)

Słowa kluczowe

PL

Model GARCH; Sieć energetyczna; Energia elektryczna; Analiza ryzyka; Giełdy towarowe

EN

GARCH model; Energy network; Electric power; Risk analysis; Commodity exchange

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2011
• Numer: nr 96 Modelowanie preferencji a ryzyko '11
• Strony: 163--182

Twórcy

autor

Alicja Ganczarek-Gamrot

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Alexander C., Chibumba A. (1996). Multivariate Orthogonal Factor GARCH. University of Sussex Discussion Papers in Mathematics.
• Baba Y., Engle R.F., Kraft D.F., Kroner K.F. (1990). Multivariate Simultaneous Generalized ARCH. Department of Economics, University of California at San Diego, Working Paper.
• Bollerslev T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31, s. 307-327.
• Bollerslev T. (1990). Modeling the Coherence in Short-Run Nominal Exchange Rates: A Multivariate Generalized ARCH Approach. Review of Economics and Statistics, 72, s. 498-505.
• Bollerslev T., Engle R.F., Wooldridge J.M. (1988). A Capital Asset Pricing Model with Time-Varying Covariances. Journal of Political Economy, 96, s. 116-131.
• Brockwell P.J., Davis R.A. (1996). Introduction to Time Series and Forecasting. Springer-Verlag, New York.
• Engle R.F. (1982). Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of the United Kingdom Inflation. Econometrica, 50, s. 987-1008.
• Engle R.F. (1987). Multivariate ARCH witch Factor Structures-Cointegraation in Variance. Discussion Paper 87. University of California, San Diego.
• Engle R.F. (2002). Dynamic Conditional Correlation-A simple Class of Multivariate GARCH Models. Journal of Business and Economic Statistics, 20, s. 339-350.
• Engle R. F., Kroner K.F. (1995). Multivariate Simultaneous Generalized ARCH. Econometric Theory, 11, s. 122-150.
• Engle R.F., Sheppard J.R. (2001). Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH. NAER, Working Paper, No. 8554.
• Fiszeder P. (2009). Modele klasy GARCH w empirycznych badaniach finansowych. Wydawnictwo Naukowe UMK, Toruń.
• Ganczarek-Gamrot A. (2009). Analiza ryzyka na dobowo-godzinnych rynkach obrotu energią elektryczną w Polsce. W: Inwestycje finansowe i ubezpieczenia - tendencje światowe a polski rynek. Red. K. Jajuga, W. Ronka-Chmielowiec. Prace Naukowe. Uniwersytet Ekonomiczny, Wrocław, nr 60, s. 86-94.
• Ganczarek-Gamrot A. (2010). Pomiar ryzyka w systemie ceny jednolitej na Towarowej Giełdzie Energii. W: Modelowanie preferencji a ryzyko. Red T. Trzaskalik. AE, Katowice, s. 29-43.
• Hosking J. (1980). The Multivariate Portmanteau Statistic. Journal of American Statistical Association, 75, s. 602-608.
• Kraft D.F., Engle R.F. (1983). Autoregressive Conditional Heteroskedasticity in Multiple Time Series. Department of Economics. UCSD, Working Paper.
• Kupiec P. (1995). Techniques for Verifying the Accuracy of Risk Management Models. Journal of Derivatives, 2, s. 173-184.
• Li W., McLeod A. (1981). Distribution of the Residual Autocorrelation in Multivariate ARMA time Series Models. Journal of the Royal Statistical Society B, 43, s. 231-239.
• Osiewalski J., Pipień M. (2002). Multivariate t-GARCH Models-Bayesian Analysis for Exchange Rates. Modeling Economies in Transition. Proceedings of the Sixth AMFET Conference, Łódź.
• Piontek K. (2001). Heteroskedastyczność rozkładu stóp zwrotu a koncepcja pomiaru ryzyka metodą VaR. AE, Katowice, 339-350.
• Wielowymiarowe metody statystyczne w analizie ryzyka inwestycyjnego. (2010). Red. G. Trzpiot. PWE, Warszawa.
• Tse Y.K. (2000). A Test for Constant Correlation in a Multivariate GARCH Model. Journal of Econometrics, 98, s. 107-127.
• Tse Y.K., Tsui A.K.C. (2002). A Multivariate GARCH Model with Time-Varying Correlations. Journal of Business & Economic Statistics, 20, s. 351-362.
• Van der Weide R. (2002). GO-GARCH: A Multivariate Generalized Orthogonal GARCH Model. Journal of Applied Economerics, 101, s. 25-35.
• Weron A., Weron R. (2000). Giełda energii. Centrum Informacji Rynku Energii, Wrocław.
• Zivot E., Wang J. (2001). Modeling Financial Time Series with S-PLUS. September, 27.