|
|
Impact of Economic Crisis Announcements on BRIC Market Volatility
Srnic, Stefan ; Baruník, Jozef (vedoucí práce) ; Šopov, Daniel (oponent)
In this thesis, we aim to find the effect of economic crisis announcements arising from the US subprime mortgage crisis and European sovereign debt crisis on the market volatility in theBRIC countries. We implement a GARCH model in order to compare the effect of individual news announcements and find that the US crisis had a bigger impact on BRIC market volatility than the European crisis. Of particular note, we find the US bailout had a higher impact than the failure of Lehman Brothers or any European crisis dates that were considered. We then examine the volatility transmission mechanism by implementing a VAR model to create a spillover index. Following, we apply a rolling window approach, creating spillover plots which show that both return and volatility spillovers are affected by crisis announcements. The importance of our results are related to investor decision making, particularly the relationship between market return and risk in developing country markets. Far to our knowledge, no recent literature has compared the two crises in the way we have nor with the datasets we have used.
|
|
|
Modeling Conditional Quantiles of Central European Stock Market Returns
Burdová, Diana ; Baruník, Jozef (vedoucí práce) ; Krištoufek, Ladislav (oponent)
Prevažná čast' literatúry na tému Value at Risk (VaR) sa zameriava na nepod- mienené neparametrické alebo parametrické prístupy k jeho odhadovaniu, ovel'a menšia čast' na priame modelovanie podmienených kvantilov. Táto práca sa sústred'uje na priame modelovanie podmieneného VaRu, za pomoci flexibilnej kvantilovej regresie, a teda nekladie žiadne obmedzenia na rozde- lenie výnosov. Na štyri cenové indexy, a to český PX, mad'arský BUX, ne- mecký DAX a americký S&P 500, aplikujeme semiparametrické podmienené autoregresné Value at Risk (CAViaR) modely, ktoré umožňujú variáciu pod- mieneného rozdelenia výnosov v čase a takisto rôznu časovú variáciu pre rôzne kvantily. Hlavným ciel'om práce je skúmat' ako zavedenie dynamiky ovplyvňuje presnost' VaR odhadov. Hlavný prínos práce spočíva v tom, že sa jedná o prvú aplikáciu tohto prístupu na stredoeurópsky akciový trh a po druhé, že skúmame vplyv na presnost' VaR odhadov v období pred krízou a takisto počas krízy. Výsledky dokazujú, že CAViaR modely vel'mi do- bre popisujú vývoj kvantilov v čase, či už z hl'adiska absolútneho alebo relatívneho v porovnaní s parametrickými modelmi. Nielen že poskytujú všeobecne lepšie odhady, ale prinášajú aj presné predpovede. Tieto modely...
|
|
|
Dynamic Portfolio Optimization During Financial Crisis Using Daily Data and High-frequency Data
Čech, František ; Baruník, Jozef (vedoucí práce) ; Krištoufek, Ladislav (oponent)
Táto práca sa zameriava na modelovanie a prognózovanie variančnej- kovariančnej matice. Väčšina súčasného výskumu vyhodnocuje prognózy kovariančnej matice pomocou štatistických kritérií. Naším hlavným prínosom je ekonomické porovnanie parametrických a neparametrických prístupov k modelovaniu kovariančnej matice. Parametrický prístup je v práci zastúpený modelmi RiskMetrics a Dynamic Conditional Correlation GARCH, ktoré sú odhadnuté na denných dátach. V neparametrickom prístupe sú odhady variančnej-kovariančnej matice získané priamo z vysokofrekvenčných dát pomocou metód Realized Covariation a Multivariate Realized Kernels. Tieto odhady sú ďalej modelované pomocou heterogénnej a Wishartovej autoregresie. Ďalším prínosom tejto práce je použitie dát z obdobia finančnej krízy. Portfólio aktív, ktoré je dynamicky optimalizované, pozostáva z dvoch vysokolikvidných aktív - Light Crude NYMEX (ropa) a Gold COMEX (zlato), a európskeho aktíva zastúpeného DAX indexom. Výsledky ekonomického porovnania prognóz kovariančnej matice naznačujú lepšiu výkonnosť modelov odhadnutých na denných dátach. Zistili sme však, že hlavnou príčinou získania daných výsledkov je proces synchronizácie dát.
|
|
|
Modelling Durations Using Artificial Neural Networks
Žofka, Martin ; Baruník, Jozef (vedoucí práce) ; Dózsa, Martin (oponent)
Hlavním cílem této diplomové práce je zavedení umělých neuronových sítí (UNS) pro modelování finančních durací. Na začátku shrneme stávající poznatky ohledně finančních durací a modelů pro jejich analýzu. Následně prozkoumáme stávající druhy UNS a vybereme jednu z možných architektur sítí pro následné modelování. Zvolená síť je vícevrstvá dopředná, má sigmoidní aktivační funkcí, jednu skrytou vrstvu a genetický algoritmus optimalizace. V práci používáme jak očištěná tak neočištěná data pro předpovídání, ale na rozdíl od ostatních modelů pro durace, neuronové sítě nevyžadují očištění dat. Lze je tedy odhadnout v jednom kroku bez potřeby odstranit sezónnosti. V další části práce porovnáme UNS s odhadem získaným modelem autoregresivních podmíněných durací (APD), který nám slouží jako měřítko pro porovnání výkonnosti. Výsledky potvrzují, že UNS jsou schopné předpovídat durace s přibližně shodnou přesností jako APD model. Pro neočištěná data jsou lepší UNS, zatímco pro očištěná data vychází o něco lépe APD model. Nicméně rozdíly v předpovědích nejsou signifikantní.
|
|
|
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.
|
|
|
Forecasting realized volatility: Do jumps in prices matter?
Lipták, Štefan ; Baruník, Jozef (vedoucí práce) ; Šopov, Boril (oponent)
Táto práca aplikuje heterogénny autoregresný model realizovanej volatility na pät'-minútové dáta troch spomedzi najlikvidnejších finančných aktív - S&P 500 Futures index, Euro FX a ropa. Hlavný prínos tejto práce spočíva v analyzovaní mimoriadneho množstva dát, ked'že pochádzajú z neobyčajne dlhého obdobia až 25 rokov, v prípade Euro FX je to 13 rokov. Jedným z ciel'ov je ukázat', že rozklad realizovanej variancie na spojitú a skokovú čast' má pozitívny vplyv na jej predpovedatel'nost' aj na vysokofrekvenčných dátach pokrývajúcich vel'mi dlhé obdobia. Hlavným ciel'om práce je skúmat' dynamiku parametrov HAR modelu v čase, a taktiež povahu volatility u rôznych druhov finančných aktív. Výsledky analýzy na dátach všetkých troch aktív potvrdzujú, že rozklad realizovanej variancie prispieva k vylepšeniu odhadov. Ukázalo sa však, že predpovedacia schopnost' modelu je najlepšia v prípade, že parametre boli odhadnuté na krátkych obdobiach (1-2 roky), čo je spôsobené pravdepodobne vysokou dynamikou parametrov v čase. Táto nestabilita parametrov bola odhalená aj s pomocou odhadov za jednotlivé roky, a to u všetkých súborov. Z toho vyplýva zaujímavé zistenie, a to že HAR model nie je vhodný na predpovedanie realizovanej...
|
|
|
Fractional Cointegration of Daily High and Low Stock Prices
Dvořáková, Sylvie ; Baruník, Jozef (vedoucí práce) ; Červinka, Michal (oponent)
Tato práce přináší jedinečnou empirickou analýzu podporující frakční kointegraci denních maximálních a minimálních cen akcií. Používáme zde frakčně kointegrovaný VAR model, který byl pouze nedávno zobecněn Johansenem a Nielsenem (2012). Tento model je schopen popsat jak frakční kointegraci mezi denními maximálními a minimálními cenami akcií, tak i dlouhou paměť jejich lineární kombinace, tzv. rozpětí (range). Denní extrémní ceny jsou obzvláště zajímavé, protože poskytují cenné informace o odhadu volatility pomocí rozpětí (range-based volatility). Tento odhad je v literatuře považován za vysoce eficientní a robustní odhad volatility. V práci přinášíme srovnání českého indexu PX s vyspělými tržními indexy (DAX, FTSE 100, S&P 500 a NIKKEI 225) v období 2003-2012. Tyto indexy také zkoumáme v období před a po krizi. Zjistili jsme, že rozpětí (range) všech indexů vykazuje dlouhou paměť a je většinou nestacionární (s výjimkou rozpětí indexů PX a NIKKEI 225 v období před krizí). Tyto poznatky naznačují, že volatilita nemusí být stacionární proces. Nenašli jsme žádné společné vlastnosti napříč všemi indexy, odlišné chování je také vypozorováno v obdobích před a po krizi.
|
|
|
Dynamická optimalizace portfolia ve finanční krizi za pomoci denních a vysokofrekvenčních dat
Čech, František ; Baruník, Jozef (vedoucí práce) ; Krištoufek, Ladislav (oponent)
Táto práca sa zameriava na modelovanie a prognózovanie variančnej-kovariančnej matice. Väčšina súčasného výskumu vyhodnocuje prognózy kovariančnej matice pomocou štatistických kritérií. Naším hlavným prínosom je ekonomické porovnanie parametrických a neparametrických prístupov k modelovaniu kovariančnej matice. Parametrický prístup je v práci zastúpený modelmi RiskMetrics a Dynamic Conditional Correlation GARCH, ktoré sú odhadnuté na denných dátach. V neparametrickom prístupe sú odhady variančnej-kovariančnej matice získané priamo z vysokofrekvenčných dát pomocou metód Realized Covariation a Multivariate Realized Kernels. Tieto odhady sú ďalej modelované pomocou heterogénnej a Wishartovej autoregresie. Ďalším prínosom tejto práce je použitie dát z obdobia finančnej krízy. Portfólio aktív, ktoré je dynamicky optimalizované, pozostáva z dvoch vysokolikvidných aktív - Light Crude NYMEX (ropa) a Gold COMEX (zlato), a európskeho aktíva zastúpeného DAX indexom. Výsledky ekonomického porovnania prognóz kovariančnej matice naznačujú lepšiu výkonnosť modelov odhadnutých na denných dátach. Zistili sme však, že hlavnou príčinou získania daných výsledkov je proces synchronizácie dát.
|
|
|
Fractional Cointegration of Daily High and Low Stock Prices
Dvořáková, Sylvie ; Baruník, Jozef (vedoucí práce) ; Červinka, Michal (oponent)
Tato práce přináší jedinečnou empirickou analýzu podporující frakční kointegraci denních maximálních a minimálních cen akcií. Používáme zde frakčně kointegrovaný VAR model, který byl pouze nedávno zobecněn Johansenem a Nielsenem (2012). Tento model je schopen popsat jak frakční kointegraci mezi denními maximálními a minimálními cenami akcií, tak i dlouhou paměť jejich lineární kombinace, tzv. rozpětí (range). Denní extrémní ceny jsou obzvláště zajímavé, protože poskytují cenné informace o odhadu volatility pomocí rozpětí (range-based volatility). Tento odhad je v literatuře považován za vysoce eficientní a robustní odhad volatility. V práci přinášíme srovnání českého indexu PX 50 s vyspělými tržními indexy (DAX, FTSE 100, S&P 500 a NIKKEI 225) v období 2003-2012. Tyto indexy také zkoumáme v období před a po krizi. Zjistili jsme, že rozpětí (range) všech indexů vykazuje dlouhou paměť a je většinou nestacionární (s výjimkou rozpětí indexů PX 50 a NIKKEI 225 v období před krizí). Tyto poznatky naznačují, že volatilita nemusí být stacionární proces. Nenašli jsme žádné společné vlastnosti napříč všemi indexy, odlišné chování je také vypozorováno v obdobích před a po krizi.
|
|
|
Does wavelet decomposition and neural networks help to improve predictability of realized volatility?
Křehlík, Tomáš ; Baruník, Jozef (vedoucí práce) ; Vošvrda, Miloslav (oponent)
V této práci zevrubně srovnávám standardní odhady realizované volatility včetně nového waveletového odhadu v časově frekvenční doméně (Barunik and Vacha 2012) na širokém vzorku aktiv: oleji, zlatu a indexu S&P 500. Waveletový odhad navíc dovoluje rozložit volatilitu do několika investičních horizontů, což má dle literatury přinést další informaci o časové řadě volatility. Dále navrhuji použití neuronových sítí pro předpovídání realizované volatility. V odhadech používám vrstevnatou a rekurzivní topologii. Samotnou realizovanou volatilitu předpovídám kumulativně na 1, 5, 10 a 20 dní dopředu. Předpovědi z neuronových sítí porovnávám oproti ARFIMA modelu a triviálnímu modelu. Potvrzuji pozitivní vlastnosti nového waveletového odhadu v případě oleje a zlata, ale v případě S&P 500 se tyto vlastnosti nepotvrzují. Možné vysvětlení je, že metoda nadměrně koriguje data, protože se v těchto datech téměř nevyskytují skoky. Co se týká předpovědí, neuronové sítě překonávají ARFIMA model v objemu informace o dynamické struktuře časové řady.
|
host ::
RSS.