|
|
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...
|
|
|
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.