|
|
Volume - volatility relation across different volatility estimators
Kvasnička, Tomáš ; Krištoufek, Ladislav (vedoucí práce) ; Avdulaj, Krenar (oponent)
Cílem této bakalářské práce je zhodnotit, zda-li obchodované množství zlepšuje predikční schopnosti volatility. Převážně se zaměřujeme na Garman-Klassův odhad volatility, který je vydatnější než čtvercové výnosy. Jak jednorozměrné modely (AR, HAR, ARFIMA) tak vícerozměrné modely (VAR, VAR-HAR) jsou použity k zjištění, zda-li obchodované množství zlepšuje predikci volatility. Dále je použit GARCH(1,1), ke kterému je také přidáno obchodované množství, a následná predikce je počítána. Všechny tyto modely jsou odhadovány na základě posuvného okna, kdy během každého posunu je vypočítána jednodenní předpověd' volatility. Konečné zhodnocení je založené na MAPE, RMSE a Mincer- Zarnowitz testu predikčních hodnot poměřených s realizovanou volatilitou. Ukazuje se, že obchodované množství zlepšuje predikční schopnosti v případě FTSE 100 a IPC Mexico a zhoršuje predikční schopnosti v případě Nikkei 225 a S&P 500. Navíc je zjištěno, že pouze HAR a VAR-HAR modely jsou schopny produkovat nevychýlené předpovědi. Jelikož prezentované důkazy zlepšení predikce nejsou přesvědčivé a kvůli zachování jednoduchosti modelu, HAR model obsahující Garman-Klassův odhad volatility se jeví jako nejlepší varianta v případě nedostupnosti realizované volatility.
|
|
|
News Feed Classifications to Improve Volatility Predictions
Pogodina, Ksenia ; Šopov, Boril (vedoucí práce) ; Červinka, Michal (oponent)
Tato práce analyzuje různé metody klasifikace textu za účelem zjištění, zda-li publikované novinové články o konkrétních společnostech umožňují lepší sim ulaci a predikci volatility akcií dané společnosti. V práci zkoumáme obsah textu publikovaných novinových článků a z toho vycházející sentiment (směr a síla) za použití tří různých přístupů: supervised machine learning Naive Bayes algoritmus, lexicon-based jako zástupce lingvistického přístupu a hy bridní Naive Bayes. V rámci hybridního Naive Bayes jsou uvažována pouze slova obsažená v daném lexikonu a nikoliv celý obsah článku. Pro lexicon- based přístup používáme nezávisle dva lexikony, jeden s binárním a jeden vícetřídním hodnocením sentimentu. Sentiment v trénovacím setu pro Naive Bayes byl přiřazen autorem. Z porovnání klasifikační metod založených na machine learning dojdeme k závěru, že všechny metody dosahují podobných výsledků z nichž nejlépe vychází hybridní Naive Bayes používající vícetřídní lexikon. Výstupní kvantitativní data ve formě hodnot sentimentu jsou pak dále zahrnuta do modelování volatility pomocí GARCH. Výsledky ukazují, že informace obsažené v novinových článcích přinášejí další vysvětlující prvek do tradičního GARCH modelu a jsou schopné zlepšit odhad. Nicméně, nejsme schopni získat dost podkladů pro určení nejlepší...
|
|
|
Kvantitativní metody řízení rizika
Marcinek, Daniel ; Hurt, Jan (vedoucí práce) ; Hendrych, Radek (oponent)
Tato práce se zabývá modelováním akciových titulů pomocí časových řad ARCH a GARCH. Důležitým aspektem modelování je i správné zachycení volatility. Volatilita ve financích je obvykle definována jako směrodatná odchylka výnosů daného aktiva. K jejímu modelování se používá velké množství různých modelů, které jsou popsány v první části práce. Dále se práce zaměřuje na vícerozměrné modely volatility včetně vícerozměrných GARCH modelů. Pro tyto modely dává práce návod na sestrojení odhadů parametrů pomocí metody podmíněné maximální věrohodnosti. Zavedená teorie v první části práce je následně aplikována na reálná finanční data. Součástí numerické aplikace je konstrukce odhadů volatility pro dva konkrétní akciové tituly s použitím modelů popsaných v první části práce. Na stejných datech jsou následně srovnány různé dvourozměrné modely. Na základě hodnoty věrohodnostní funkce je pak doporučen konkrétní dvourozměrný model. Powered by TCPDF (www.tcpdf.org)
|
|
|
Commodity Connectedness: Short-run Versus Long-run
Jurka, Vojtěch ; Baruník, Jozef (vedoucí práce) ; Buzková, Petra (oponent)
Commodity Connectedness: Short-run Versus Long-run Vojtěch Jurka Bakalářská práce, IES FSV UK, 2018 Tato práce je věnována empirické studii přenosu volatility mezi komoditním a akciovým trhem, se zaměřením na krátkodobou a dlouhodobou propojenost obou trhů. Studium propojenosti volatility dává vhled do přenosu informace mezi trhy, což je klíčové, jak pro risk management, tak pro nastavení adekvátní regulace. V práci nejprve vysvětlujeme model propojenosti, který navrhuje Diebold a Yilmaz (2012), a ukazujeme na souvislost modelu s novou metodologií, se kterou přichází Baruník a Křehlík (2018). Následně se věnujeme analýze přenosu volatility mezi akciovým trhem a klíčovými komoditami, které zastupují různé komoditní sektory. Hlavním zjištěním je, že v období od roku 1993 do roku 2015 propojenost akciového a komoditního trhu vzrostla na více než dvojnásobek a prodloužila se doba trvání přenesených šoků. Pomocí rolujícího okna přes 250 dní ukazujeme, že provázanost trhů má zajímavou dynamiku, která odhaluje, že globální finanční krize 2008-2009 vedla k největšímu přenosu volatility z akciového trhu na komoditní trh s převážně dlouhodobým charakterem a opačně, propad cen ropy v roce 2014 byl provázen výrazným a dlouho trvajícím přenosem volatility z energetických komodit do akciového trhu.
|
|
|
Regime-Switching Models and Their Application in the Financial Markets
Fišerová, Tereza ; Vošvrda, Miloslav (vedoucí práce) ; Skuhrovec, Jiří (oponent)
Tato práce je rozdělena do dvou částí. Teoretická část uvádí čtenáře do teorie modelů typu ARCH a jejich rozšíření v podobě Markovových regime-switching modelů, jež dovolují zachytit strukturální změny v dynamice dat. Tato část navíc shrnuje současný stav poznání. V empirické části práce je aplikován Klaassenův model (2002) k prokázání existence dvou odlišných režimů volatility na čtyřech středoevropských trzích cenných papírů (Rakousko, Česká republika, Německo a Polsko). Uvedený model je rovněž použit jako nástroj k identifikaci ekonomických krizí. Analýza denních a týdenních pozorování, pokrývající období od 3. ledna 2000 do 31. prosince 2010, přináší tři zajímavé výsledky. Zaprvé, MRS-GARCH(1,1) model je vhodný pro modelování volatility na trzích cenných papírů ve střední Evropě. Zadruhé, režim vysoké volatility bývá spojen s finanční krizí. Zatřetí, současná krize je v porovnání se závěry předchozích prací výjimečná svou délkou.
|
|
|
Extreme value theory: Empirical analysis of tail behaviour of GARCH models
Šiml, Jan ; Šopov, Boril (vedoucí práce) ; Kocourek, David (oponent)
Tato práce zkoumá schopnosti modelů z GARCH rodiny zachytit charakteristiky chvostů pomocí Monte Carlo simulace v rámci Podmíněné Teorie Extrémních Hod- not. Analýza je provedena pro tři modely GARCH typu: GARCH, EGARCH, GJR-GARCH, s použitím Normálního a následně i Studentova t rozdělení inovací GARCH modelu na čtyřech známých akciových indexech: S&P 500, FTSE 100, DAX a Nikkei 225. Po provedení 3000 simulací každého odhadnutého modelu jsou spočítány Hillovi odhady tvarového parametru limitní distribuce extrémních hodnot implikovaných GARCH modely a následně jsou zhodnoceny jejich výsledky na zák- ladě histogramů, deskriptivních statistik a odmocniny střední čtvercové odchylky simulovaných Hillových odhadů. Zjistili jsme, že Normální rozdělení není schopné zachytit chvostové charakter- istiky. Přestože jsou výsledky modelů se Studentovým rozdělením inovací velmi podobné, GJR-GARCH model je ohodnocen jako nejlepší model v naší analýze. Navíc, vztah mezi vzhledem Q-Q plotu a výsledky simulace je naznačen, a pod- porován všemi indexy až na DAX index. Tato anomálie je dále zkoumána, společně se špatnými výsledky simulace DAX asymetrickými modely. Přestože Hillův odhad je vypočítáván jen z několika nejnižších řádových statistik, u DAXu se ukazuje, že i horní kvantily hrají roli a mohou rozhodit...
|
|
|
Modeling of Long Memory in Volatility Using Wavelets
Kraicová, Lucie ; Baruník, Jozef (vedoucí práce) ; Adam, Tomáš (oponent)
iii Abstrakt Tato práce se soustřeďuje na jedno z atraktivních témat současné finanční literatury, modelování volatility pomocí metod založených na vlnkové transformaci. Představuje novou (vlnkovou) metodu odhadu parametrů ve FIEGARCH modelu, rozšířeném ARCH modelu zachycujícím dlouhou paměť a asymetrii ve volatilitě, a zkoumá její vlastnosti. Na základě rozsáhlého Monte Carlo experimentu je zhodnoceno jak chování nového estimátoru v různých situacích, tak jeho relativní výkon vzhledem k tradičním metodám (odhadu metodou maximální věrohodnosti a jeho aproximaci založené na Fourierově transformaci), spolu s praktickými aspekty jeho použití. K většině problémů je navrženo možné řešení, včetně návrhu alternativní specifikace odhadu. Ta využívá modifikovanou vlnkovou transformaci namísto tradiční diskrétní vlnkové transformace, což by mělo vést ke zlepšení výkonu odhadu ve všech jeho aplikacích, tedy nejen v případě odhadování FIEGARCH modelu. Výsledky práce napovídají, že při optimalizovaném nastavení by se nově představovaná metoda mohla stát atraktivní robustní alternativou k tradičním metodám.
|
|
|
Connectedness and spillover effects between forex and stock markets: Evidence from Scandinavia
Mkhitaryan, Arman ; Kočenda, Evžen (vedoucí práce) ; Geršl, Adam (oponent)
In this thesis, we study the return and volatility spillovers between forex and stock markets in Scandinavian countries employing recently developed method- ology of spillover indices. Those measures are based on forecast error variance decomposition of generalized vector autoregressive (GVAR) model. This allows us to estimate both total and directional spillovers. Moreover, frequency connect- edness analysis is conducted by decomposing the spillover indices into frequency bands, corresponding to short-, medium- and long-run connectedness. We used daily data for major stock market indices and exchange rates of domestic cur- rency towards US dollar for Norway, Sweden, Denmark and Finland. Our data spans from February 2002 till July 2018 that covers turmoil periods of global fi- nancial crisis in 2007-2009, European sovereign debt crisis 2010-2013 and Brexit referendum in mid 2016. Our empirical analysis reveals that Norwegian financial markets do not contribute much to both return and volatility spillovers. On the other hand, euro and Danish FX market perform very similarly, by exhibiting the highest spillover contributions for both returns and volatility. Furthermore, distinct increasing trends in spillovers are revealed during the turmoil periods for most of the markets. From frequency...
|
|
|
Efektivita predikčních trhů: případ Intradu
Brandejs, David ; Dózsa, Martin (vedoucí práce) ; Benčík, Daniel (oponent)
1 Abstrakt Bakalářská práce potvrzuje hypotézu slabé tržní efektivity na politických trzích pro události na Intrade predikčním trhu, které skončily mezi 1. říjnem 2012 a 31. prosincem 2012. Tři testy jednotkového kořene, tedy ADF GLS, KPSS a Lo-Mackinlay test, prokázaly na 5% hladině významnosti, že 140 ze 191 testovaných politických událostí je slabě tržně efektivních, což odpovídá vy- soké relativní tržní efektivitě (73,3%). Testování mimopolitických trhů vykazuje znatelně nižší tržní efektivitu. Logit model zamítnul na 5% hladině významnosti předpoklad celkového obchodovaného množství akcií jako signifikantního para- metru pro odhad tržní efektivity. Klíčová slova Predikční trh, Intrade, hypotéza efek- tivních trhů, relativní efektivita trhu, ADF test, KPSS test E-mail autora David.Brandejs@seznam.cz E-mail vedoucího práce Martin@Dozsa.cz
|
|
|
Electricity market: Analysis and prediction of volatility
Kunc, Vladimír ; Krištoufek, Ladislav (vedoucí práce) ; Hájek, Jan (oponent)
Trh s elektřinou: Analýza a predikce volatility Abstrakt Vladimír Kunc July 30, 2015 Poslední dvě dekády jsou charakterizovány restrukturováním energetického prů- myslu a vznikem nových, soutěživých energetických trhů, kde přesné předpovědi cen elektřiny a cenové volatility je cenná jak pro spotřebitele, tak pro výrobce. Cí- lem této práce ja popsat a porovnat několik modelů pro predikci cenové volatility na českém denním trhu s elektřinou na datech poskytnutých společností OTE a.s. za roky 2009 - 2014. Tato práce srovnává 144 rozdílných konfiguracích pro tři různé třídy modelu - autoregresivní modely, modely typu GARCH a modely založené na umělých neuronových sítích. Tato práce provádí srovnání modelů pomocí pěti různých kritérií, z nichž každe popisuje model z jiného pohledu. Klíčová slova: predikce ceny, predikce volatility, GARCH, neuronové sítě, LSTM 1
|
host ::
RSS.