|
|
Multivariate Dependence Modeling using Copulas
Klaus, Marek ; Šopov, Boril (vedoucí práce) ; Gapko, Petr (oponent)
Problémem vícerozměrných modelů pro volatility časových řad, jako je DCC MGARCH model, je jejich předpoklad vícerozměrného normálního rozdělí zk- oumaných řad. Mnohé empirické studie však popírají předpoklad normálního rozdělení akcií na finančních trzích. Z toho důvodu mohou být odhadnuté podmíněné korelace zavádějící, jelikož nemusí vysvětlovat celou strukturu závis- losti mezi zkoumanými veličinami. Je známé, že korelace je jen z jedním z nástrojů měření závislosti nenormálně rozdělených dat. Cílem této práce je integrace copula funkcí do tradičního DCC MGARCH modelu, protože právě copula funkce umožnují vytvoření vícerozměrného rozdě- lení náhodných veličin pro více marginálních rozdělení i v případě, kdy nejsou normálně rozdělená. Takzvaný Copula-based MGARCH model s nekorelovanými závislými rezidui dovoluje modelovat jak korelaci mezi náhodnými veličinami (pomocí DCC MGARCH), tak i závislost mezi nimi (pomocí copula funkce), obojí odděleně avšak simultánně. Jinými slovy, model je schopen vysvětlit dodatečnou závislost, která nebyla zachycena DCC MGARCH modelem kvůli jeho předpokladu normálního rozdělení. V empirické analýze aplikujeme tento model na různé data, zejmená...
|
|
|
Modely vícerozměrných finančních časových řad v úloze optimalizace portfolia
Bureček, Tomáš ; Hendrych, Radek (vedoucí práce) ; Prášková, Zuzana (oponent)
Tato diplomová práce se zabývá modelováním mnohorozměrné volatility ve finančních časových řadách. Cílem práce je detailně popsat vybrané přístupy k modelování mnohorozměrné volatility, včetně verifikace příslušných modelů, a následně je aplikovat v empirické studii úlohy optimalizace portfolia aktiv. Vý- sledky jsou porovnány s klasickým přístupem teorie optimalizace portfolia za- loženém na nepodmíněných odhadech. Vyhodnocení probíhalo na základě čtyř známých optimalizačních úloh, a to minimalizace rozptylu, Markowitzova mo- delu, maximalizace Sharpeho poměru a minimalizace CVaR. Výsledná portfolia byla porovnána pomocí šesti metrik, které odráží výnosnosti i rizika portfolií. Vý- sledky ukázaly, že s použitím mnohorozměrných modelů volatility získáme oproti klasickému přístupu větší očekávané výnosy s menším očekávaným rizikem. 1
|
|
|
Central Bank Communication and Correlation between Financial Markets: Evidence from the Euro Area
Kučera, Milan ; Horváth, Roman (vedoucí práce) ; Krištoufek, Ladislav (oponent)
Cílem této práce je posoudit dopad komunikace ECB na společné pohyby finančních trhů mezi Itálií, Španělskem, Německem a Francií použitím MGARCH modelů. Autor částečně řeší potenciální problém s endogenitou komunikace centrální banky použitím Složeného ukazatele systémového stresu a přebytečnou likviditou. Autor odhaduje dopad komunikace ECB na korelace změn ve výnosech vládních dluhopisů použitím denních dat pro období 2008-2014. Pro tenhle účel autor používá diagonální BEKK(1,1) a skalární BEKK(1,1) modely se dvěma závislými proměnnými při zahrnutí překvapení v makroekonomických oznámeních. Výsledky jsou konzistentní a robustní pro všechny modely, ukazují, že komunikace nemá statisticky významný dopad na korelace finančních trhů v Eurozóně. Navíc autor definuje delta funkce, které popisují a vyčíslují okamžitý a plný efekt vysvětlujících proměnných na podmíněné korelace v diagonálním BEKK(1,1) a skalárním BEKK(1,1) modelu se dvěma závislými proměnnými. Podle nejlepšího autorova vědomí je toto jediná práce zkoumající tento efekt komunikace ECB pomocí MGARCH modelů v literatuře. Klíčová slova: Finanční trhy, komunikace centrální banky, korelace, MGARCH, BEKK E-mail autora: milankucera1@seznam.cz E-mail vedoucího práce: roman.horvath@fsv.cuni.cz
|
|
|
Multivariate Dependence Modeling using Copulas
Klaus, Marek ; Šopov, Boril (vedoucí práce) ; Gapko, Petr (oponent)
Problémem vícerozměrných modelů pro volatility časových řad, jako je DCC MGARCH model, je jejich předpoklad vícerozměrného normálního rozdělí zk- oumaných řad. Mnohé empirické studie však popírají předpoklad normálního rozdělení akcií na finančních trzích. Z toho důvodu mohou být odhadnuté podmíněné korelace zavádějící, jelikož nemusí vysvětlovat celou strukturu závis- losti mezi zkoumanými veličinami. Je známé, že korelace je jen z jedním z nástrojů měření závislosti nenormálně rozdělených dat. Cílem této práce je integrace copula funkcí do tradičního DCC MGARCH modelu, protože právě copula funkce umožnují vytvoření vícerozměrného rozdě- lení náhodných veličin pro více marginálních rozdělení i v případě, kdy nejsou normálně rozdělená. Takzvaný Copula-based MGARCH model s nekorelovanými závislými rezidui dovoluje modelovat jak korelaci mezi náhodnými veličinami (pomocí DCC MGARCH), tak i závislost mezi nimi (pomocí copula funkce), obojí odděleně avšak simultánně. Jinými slovy, model je schopen vysvětlit dodatečnou závislost, která nebyla zachycena DCC MGARCH modelem kvůli jeho předpokladu normálního rozdělení. V empirické analýze aplikujeme tento model na různé data, zejmená...
|
|
|
Multivariate Dependence Modeling Using Copulas
Klaus, Marek ; Šopov, Boril (vedoucí práce) ; Gapko, Petr (oponent)
Problémem vícerozměrných modelů pro volatility časových řad, jako je DCC MGARCH model, je jejich předpoklad vícerozměrného normálního rozdělí zk- oumaných řad. Mnohé empirické studie však popírají předpoklad normálního rozdělení akcií na finančních trzích. Z toho důvodu mohou být odhadnuté podmíněné korelace zavádějící, jelikož nemusí vysvětlovat celou strukturu závis- losti mezi zkoumanými veličinami. Je známé, že korelace je jen z jedním z nástrojů měření závislosti nenormálně rozdělených dat. Cílem této práce je integrace copula funkcí do tradičního DCC MGARCH modelu, protože právě copula funkce umožnují vytvoření vícerozměrného rozdě- lení náhodných veličin pro více marginálních rozdělení i v případě, kdy nejsou normálně rozdělená. Takzvaný Copula-based MGARCH model s nekorelovanými závislými rezidui dovoluje modelovat jak korelaci mezi náhodnými veličinami (pomocí DCC MGARCH), tak i závislost mezi nimi (pomocí copula funkce), obojí odděleně avšak simultánně. Jinými slovy, model je schopen vysvětlit dodatečnou závislost, která nebyla zachycena DCC MGARCH modelem kvůli jeho předpokladu normálního rozdělení. V empirické analýze aplikujeme tento model na různé data, zejmená...
|
host ::
RSS.