|
|
Analysis and modeling of network data traffic
Paukeje, Ján ; Novotný, Vít (oponent) ; Růčka, Lukáš (vedoucí práce)
Theses deals with network traffic modeling focused on elaboration by time series analysis. The nature of network traffic is discussed above all http traffic. First three chapters are theoretical, which describes time series and basic models, linear AR, MA, ARMA, ARIMA and nonlinear ARCH. Other chapters define terms like self-similarity and long range dependence. It is demonstrated a failure of conventional models which cannot capture these specific properties of network data traffic. On the basis of study in chapter 6. is closely described the combined ARIMA/GARCH model and its parameter estimation procedure. Applied part of this theses deals with procedure of estimation and fitting the estimation model to observed network traffic. After an estimation a few future values are predicted on the basis of estimated model. These predicted values are consequently compared with real data.
|
|
|
Bitcoin volatility estimation
Bařina, Petr-Lev ; Pavláková Dočekalová, Marie (oponent) ; Luňáček, Jiří (vedoucí práce)
This bachelor thesis focuses on econometrics modelling and prediction of bitcoin volatility. The first part of the thesis is the theory of statistical properties of time series and models interpreting these properties. The practical part focuses on modelling, prediction, and evaluation of the accuracy of the predictions. The Key models are the Moving average model, the Autoregressive model, ARCH and the GARCH. The last part is a summary of results and proposals for improvement.
|
|
|
Šíření volatility na kryptoměnových trzích
Krampla, Dominik
Tato práce se zabývala identifikací podmíněné volatility na trzích kryptoměn a zkoumala, jak se nejistota šíří mezi různými kryptoměnami. Pomocí modelů rodiny GARCH byla modelována podmíněná volatilita a k identifikaci šíření podmíněné volatility byl použit model DCC-GJR-GARCH(1,1), který zohledňuje dopad asymetrických šoků. Empirická analýza byla založena na vysokofrekvenčních 15minutových datech pro pět kryptoměn – Bitcoin, Ethereum, Ripple, Cardano a Litecoin – od 23. dubna 2021 do 31. března 2022, s celkovým počtem pozorování 32 904 pro každou kryptoměnu. Výsledky naznačují, že nejistota se nejvýrazněji šíří mezi Bitcoinem a Ethereem, zatímco Ripple a Cardano jsou šířením nejistoty z Bitcoinu ovlivněny méně. Studie rovněž zkoumá vhodné kombinace vah kryptoměn dle různých strategií tvorby portfolia, přičemž nejnižšího rizika dosahuje strategie DCC-GJR-GARCH (1,1).
|
|
|
Šíření podmíněné volatility na kryptoměnových trzích
Hořava, Martin
Hořava, M. Šíření podmíněné volatility na kryptoměnových trzích. Diplomová práce. Brno: Mendelova univerzita v Brně, 2023. Tato diplomová práce se zabývá identifikací podmíněné volatility na kryptoměnových trzích a vzájemným dynamickým šíření volatility mezi jednotlivými aktivy. Literární rešerše popisuje podmíněnou volatilitu a metody jejího odhadu. V empirické části byl využit DCC-GARCH model a provedena optimalizace portfolia. Výsledky prokázaly, že kryptoměny jsou navzájem velmi provázané, ale i tak lze diverzifikovat. V závěru práce jsou poskytnuta konkrétní doporučení pro portfolio managery.
|
|
|
Central bank communication and exchange rates: High-frequency evidence
Suntychová, Petra ; Horváth, Roman (vedoucí práce) ; Komárek, Luboš (oponent)
Za využití GARCH modelu byl zkoumán vliv oznámení centrálnĂch bank, publikovaných na jejich oficiálních stránkách, na poptávku po měnách, které jsou pod jejich dohledem, se zaměřením na typ daného oznámení. Ozná- mení byla klasifikována dle toho, zda se jedná o informaci hledící do bu- doucna, jestli oznámení komentuje předchozí dění, zda byly oznámeny infor- mace ohledně měnové politiky, finanční stability, či zda instituce reagovala na politické dění. Získané výsledky ukázaly, že oznámení publikovaná Evropskou centrální bankou a Českou národní bankou většinou významně neovlivnila pop- távku po jejich měnách, až na pár výjímek. Výsledky také ukázaly, že poptávka po Euru je oznámeními ovlivněna s větším zpožděním, a že oznámení Evropské centrální banky mají menší vliv, než jejího českého protějšku. Celkově bylo shrnuto, že oznámení publikována na oficiálních stránkách ovlivňují poptávku po měnách v menším rozsahu, než ostatní ovlivňující faktory. Klasifikace JEL F12, F21, F23, H25, H71, H87 Klíčová slova centrální banka, měnový kurz, GARCH Název práce Komunikace centrálních bank a měnová poptávka: GARCH analýza
|
|
|
The Impact of News on Videogame Stock Market Prices and Volatility
Mertová, Veronika ; Čech, František (vedoucí práce) ; Kukačka, Jiří (oponent)
Tato práce zkoumá vliv sentimentu na sociálních sítích a v novinových titulcích na ceny akcií, konkrétně porovnává společnosti z herního průmyslu s firmami z ostatních odvětví. Tweety obsahující klíčová slova odkazující na čtyři vybrané firmy z herního průmyslu a čtyři jiné firmy byly sbírány po dobu 5 měsíců, novinové titulky potom 3 měsíce. Tweety a zprávy pocházely od běžných uživatelů a medií, nikoliv pouze z finanční oblasti. Pro každou zkoumanou společnost, byla sbírána také denní data o cenách akcií za účelem výpočtu výnosů a volatilit. K analýze dat byl využit model vektorové autoregrese v kombinaci s Grangerovou kauzalitou. Studie neprokázala žádný významný rozdíl mezi herním a neherním sektorem. Polarita sentimentu významně neovlivňovala tržní ceny. Nicméně, když byl sentiment rozdělen na jednotlivé emoce, byla pozorována určitá signifikantnost, výsledky se ale lišily u jednotlivých firem, bez ohledu na jejich odvětví. Byl učiněn závěr, že při využití sentimentu pro předpovídání trhu je vhodné využít výhradně finanční média nebo určit konkrétní typ sentimentu, který ovlivňuje zvolené akcie. Klasifikace JEL G14, G17, C32, C58 Klíčová slova tweety, titulky zpráv, herní průmysl, analýza sentimentu, emoce, výnosy, volatilita Název práce Vliv zpráv na ceny a volatilitu akciového trhu...
|
|
|
The Effects of Geopolitical Uncertainty on Selected Stock Markets
Černý, Ondřej ; Horváth, Roman (vedoucí práce) ; Šíla, Jan (oponent)
Tato práce zkoumá dopad geopolitické nejistoty na čtyři vybrané akciové trhy. Její vliv na volatilitu a výnosy akciových trhů analyzujeme pomocí modelů GARCH a EGARCH a dat denních výnosů akcií a hodnoty indexu GPR. Dále pomocí kategorických indexů GPA a GPT kontrolujeme, zda se vliv nejistoty způsobené hrozbami liší od vlivu způsobeného činy. Kromě toho zkoumáme, zda se tento vliv změnil mezi obdobím před 11. zářím a po něm. Hlavní zjištění našich výsledků naznačují, že nárůst každého z rizikových indexů, tj. globálního GPR, GPA a GPT, zvyšuje volatilitu všech akciových trhů a výnosy dvou. Také geopolitické hrozby negativně ovlivňují výnosy hongkongských akcií, zatímco geopolitické činy na ně vliv nemají. Dále se u všech vybraných akciových trhů změnil vliv alespoň jedné z nejistot na výnosnost nebo volatilitu akcií. Klasifikace JEL C22, C51, C52, C58, G10 Klíčová slova GARCH, geopolitické riziko, volatilita ak- ciového trhu, výnosy na akciovém trhu Název práce Vliv geopolitické nejistoty na vybrané fi- nanční trhy E-mail autora 43885002@fsv.cuni.cz E-mail vedoucího práce roman.horvath@fsv.cuni.cz
|
|
|
Correlation between stock and bond returns and it's determinants: Case of Fragile Five
Daldal, Cagatay ; Kočenda, Evžen (vedoucí práce) ; Čech, František (oponent)
The correlation between stock market returns and government bond yields is helping investors to diversify their investments and hence, reducing their investment risk if the correlation between these asset classes is low or negative. However, the correlation measure is not solely sufficient for investors to diversify their risk considering that correlation between stock market returns and government bond yields and impacted by the same economic conditions. Therefore, it is important understand how correlation between stock market returns and government bond yields is developing over-time and which economic indicators impacting the correlation. The author contributes to the existing literature by modelling the time-varying correlation between stock marketreturnsand governmentbond yields.The currentresearch focused on Turkey,Brazil,South Africa, India and Indonesia. These countries were defined as Fragile Five in 2013 by Morgan Stanley because the currencies of these countries were under high pressure against United States Dollar and shared common vulnerability in their current account levels, inflation, unemployment rate and gross domestic product. These economic indicatorsof Fragile Five are used to determine if the correlation between stock market returns and government bond yields is impacted by...
|
|
|
Bitcoin volatility estimation
Bařina, Petr-Lev ; Pavláková Dočekalová, Marie (oponent) ; Luňáček, Jiří (vedoucí práce)
This bachelor thesis focuses on econometrics modelling and prediction of bitcoin volatility. The first part of the thesis is the theory of statistical properties of time series and models interpreting these properties. The practical part focuses on modelling, prediction, and evaluation of the accuracy of the predictions. The Key models are the Moving average model, the Autoregressive model, ARCH and the GARCH. The last part is a summary of results and proposals for improvement.
|
|
|
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.
|
host ::
RSS.