|
|
Predictive Accuracy of Competing Value-at-Risk Specifications during Crisis: An Application to CEE Financial Markets
Kroutil, Tomáš ; Baruník, Jozef (vedoucí práce) ; Seidler, Jakub (oponent)
(Czech version) Současná celosvětová finanční krize upozornila na nutnost spolehlivého měření a řízení finančního rizika. Tato rigorozní práce se zaměřuje na měření a porovnání přesnosti jednodenních "out-of-sample" předpovědí různých modelů Value-at-Risk pomocí komplexního hodnotícího systému za použití krizových dat tří středoevropských akciových indexů (PX, WIG20 a BUX) a dvou "benchmark" indexů (S&P 500, DAX). K sestavení jednotlivých VaR specifikací bylo použito několik modifikací modelu GARCH, a to buď asymetrických, jako například EGARCH, TGARCH, APARCH, nebo modifikací s dlouhou pamětí, jako například FIGARCH a HYGARCH. Kromě modelů s podmíněnou heteroskedasticitou bylo využito i realizované volatility, která byla odhadnuta pomocí ARFIMA a HAR - taktéž s dlouhou pamětí. Jednotlivé modely volatility byly zkombinovány s plně parametrickým přístupem pro výpočet kvantilů, s metodou historické simulace a s tzv. "Extreme Value Theory". Rigorozní práce prokazuje, že nejpřesnější předpovědi poskytují specifikace založené na logaritmické realizované volatilitě a na modelech TGARCH a APARCH. Přesto model RiskMetrics, který je považován za "benchmark", nebyl prokázán jako významně horší. Nejlepší se ukázal být model TGARCH-t FHS, což je specifikace založená na kombinaci asymetrického GARCH filtru s...
|
|
|
Metody předvídání volatility
Hrbek, Filip ; Witzany, Jiří (vedoucí práce) ; Fičura, Milan (oponent)
V této diplomové práci jsem shrnul základní přístupy k modelování volatility, které vycházejí z frekventistické a z bayesovské statistiky. Modely volatility byly aplikovány na časové řady různých měnových párů (EURUSD, GBPUSD a CZK USD) s různou frekvencí (od vteřinových výnosů až po denní výnosy). Zkoumanými modely z klasické statistiky byly modely EWMA, GARCH, EGARCH, IGARCH a GJRGARCH. Pro odhad bayesovkých modelů bylo potřeba nejdříve vytvořit správný MCMC algoritmus, na jehož základě jsme poté zkoumali modely jump diffusion s konstantní volatilitou a jump diffusion se stochastickou volatilitou. Všechny modely byly odhadnuty jako jednorozměrné. Nejlepších výsledků metodou Mincer Zarnowitzovi regrese bylo dosaženo u modelu jump diffusion se stochastickou volatilitou. V těsném závěsu byl model GJR-GARCH spolu s jump diffusion modelem s konstantní volatilitou, který však volatilitu nadhodnocoval. Ještě horší byl zbytek modelů, z který nejlépe volatilitu předvídal IGARCH model. Tyto výsledky potvrzuje i koeficient R squared.
|
host ::
RSS.