|
|
Modeling Dynamics of Correlations between Stock Markets with High-frequency Data
Lypko, Vyacheslav ; Baruník, Jozef (vedoucí práce) ; Krištoufek, Ladislav (oponent)
Tato prace je zamerena na modelovani korelaci mezi vybranymi akciovymi trhy a komoditami s pouzitim vysokofrekvencnich dat. Nasledujici casove rady jsou pouzite pro ucely teto analyzy: FTSE, DAX, PX, S&P, Gold commodity futures a Oil commodity futures. V prvni casti teto prace denni realizovane korelace jsou vypocitane a jejich dynamika je diskutovana. Dal jsou vypocitane korelace pomoci neuronove site (feed forward neural network, nebo FFNN). Tyto korelace jsou porovane s prumernymi dennimi realizovanymi korelacemi. V posledni casti teto prace jsou vypocitane prognozy dennich realizovanych korelaci pomoci HAR modelu, AR(p) modelu a dynamicke neuronove site NARNET.
|
|
|
Portfólio Value at Risk a Expected Shortfall s použitím vysoko frekvenčních dat
Zváč, Marek ; Fičura, Milan (vedoucí práce) ; Janda, Karel (oponent)
Hlavním cílem této práce je zjistit, zda vícerozměrné modely s použitím vysokofrekvenčních dat poskytují výrazně přesnější předpovědi Value at Risk a Expected Shortfall než vícerozměrné modely pouze s pomocí denních data. Náš cíl je velmi aktuální, protože v roce 2013 Basilejský výbor oznámil, že se chystá změnit rizikovou míru používanou pro výpočet kapitálových požadavků z Value at Risk na Expected Shortfall. Další zlepšení přesnosti obou rizikových měr může být také dosaženo začleněním vysokofrekvenční údajů, které jsou mnohem více k dispozici vzhledem k významnému technologickému pokroku. Jako reprezentativní model, který využívá vysokofrekvenční data pro modelování realizované kovarianční matice, jsme vybrali heterogenní autoregresi a její asymetrickou verzi. Jako benchmark jsou vybrány dobře zavedené modely DCC-GARCH a EWMA. Výpočet Value at Risk a Expected Shortfall se provádí pomocí parametrické, semi-parametrické metody a Monte Carlo simulace. Vícerozměrné rozdělení ztrát jsou reprezentovány Gaussovým, Studentovým rozdělením, simulovaným rozdělením z copula funkcí a filtrovaných historických simulací. Jako jednorozměrné rozdělení byly použity generalizované Paretovo rozdělení z EVT, empirické a standartní parametrické rozdělení. Hlavním zjištěním je, že heterogenní autoregrese s použitím vysoko frekvenčních dat dodala lepší nebo alespoň stejnou přesnost prognóz Value at Risk jako benchmark modely s použitím denních dat. Nakonec backtesting Expected Shortfall zůstává stále velmi náročný a aplikace testů I. a II. neposkytla věrohodnou validaci předpovědí.
|
|
|
Efektivnost trhu a automatické obchodní systémy
ZEMAN, Petr
Předkládaná disertační práce se zabývá problematikou efektivního chování spotového devizového trhu. Hlavním cílem práce je ověření hypotézy efektivního trhu na hlavních měnových párech a to zejména v krátkodobém časovém horizontu. Autor se zaměřuje na problematiku efektivního fungování devizových trhů. V této práci bylo analyzováno chování pěti hlavních spotových devizových párů - EUR/USD, GBP/USD, USD/CHF, USD/JPY a USD/CAD. Vzhledem ke zvyšujícímu nárůstu intradenních obchodů a rostoucí oblibě maržových účtů mezi drobnými investory, byly spotové kurzy zkoumány především prostřednictvím rychlofrekvenčních dat, která byla získávána za období rovné nebo kratší než 1 den. Hypotéza o efektivním chování devizových kurzů byla ověřena jak za pomoci statistických metod, tak i prostřednictvím automatických ob-chodních systémů, které měly za úkol posoudit ekonomický význam této teorie a vyloučit nebo potvrdit možnost dosahování nadprůměrných zisků drobnými investory na devizových trzích.
|
host ::
RSS.