|
|
Modely volatility v R
Vágner, Hubert ; Bašta, Milan (vedoucí práce) ; Flimmel, Samuel (oponent)
Diplomová práce se zabývá modelováním volatility ve finančních časových řadách. Hlavním přístupem pro modelovaní volatility jsou modely třídy GARCH, které dokáží zachytit proměnlivost podmíněné volatility v časové řadě. Pro modelování podmíněné střední hodnoty v časové řadě jsou použity modely třídy ARMA. Poněvadž v řadách často nebývá splněn předpoklad normality výnosů, mají výnosy ve většině případů leptokurtický tvar rozdělení. V práci je uvedeno několik dalších rozdělení, kterými lze lépe popsat rozdělení výnosů, zejména se pak jedná o Studentovo t rozdělení. V první části si práce klade za cíl seznámit čtenáře s problematikou finančních časových řad a popsání modelů třidy GARCH včetně jejich dalších modifikací. V této práci jsou použity například IGARCH nebo některé modely zachycující asymetrický vliv šoků jako je například GJR-GARCH. Druhá část práce se zabývá generovanými daty, kde je cílem především detailněji prozkoumat jednotlivé modely volatility i jejich chování při různých změnách parametrů. Třetí část se věnuje odhadu a předpovědi volatility u konkrétních finančních časových řad. V první řadě se jedná o vývoj akciového indexu MICEX, dále pak o vývoj směnného kurzu ruského rublu vůči české koruně, v poslední řadě o vývoj cen ropy Brent. Cílem třetí části je ukázat, jaký dopad na volatilitu u vybraných časových řad měly sankce vůči Rusku po převzetí poloostrova Krym, které proběhlo v prvním čtvrtletí roku 2014.
|
|
|
Modelování a predikce volatility finančních časových řad směnných kurzů
Žižka, David ; Arltová, Markéta (vedoucí práce) ; Malá, Ivana (oponent) ; Vošvrda, Miloslav (oponent)
Disertační práce se zaměřuje na modelování a prognózování podmíněného rozptylu časových řad směnných kurzů. Základním využitým přístupem pro modelování podmíněného rozptylu jsou modely třídy (G)ARCH a jejich variace. Modelování podmíněné střední hodnoty je založeno na využití autoregresních modelů AR. Z důvodu nesplnění jednoho ze základních předpokladů těchto modelů (předpoklad normality) je důležitou součástí práce i podrobná analýza nepodmíněných rozdělení logaritmů výnosů, která dále umožňuje zvolit vhodný předpoklad o rozdělení nesystematické složky modelů podmíněného rozptylu založených na (G)ARCH modelech. Využitím předpokladu leptokurtických rozdělení vede k významnému zlepšení předpovědí volatility ve srovnání s normálním rozdělením. V této souvislosti jsou často využívána GED a Studentovo t rozdělení, která jsou i základními stavebními kameny této práce. Navíc jsou v práci aplikována i méně známá rozdělení; Johnsonovo SU a normální inverzní Gaussovo rozdělení. Pro modelování podmíněného rozptylu je testováno velké množství lineárních i nelineárních modelů. Lineární modely zastupují modely ARCH, GARCH, GARCH in mean, integrovaný GARCH, frakcionálně integrovaný GARCH a HYGARCH. V případě přítomnosti asymetrického vlivu kladných a záporných výnosů na podmíněný rozptyl jsou aplikovány nelineární modely EGARCH, GJR-GARCH, APARCH a FIEGARCH. S využitím vhodných modelů, podle zvolených kritérií, jsou provedeny bodové předpovědi podmíněného rozptylu s různými dlouhodobými a krátkodobými předpovědními horizonty. Výstupy tradičních parametrických modelů volatility (G)ARCH jsou porovnány se semi-parametrickými přístupy založenými na neuronových sítích, které našly široké uplatnění nejen v klasifikačních úlohách, ale i v úlohách predikce časových řad. Závěr práce tvoří popis shodných a rozdílných vlastností zkoumaných časových řad směnných kurzů. Dále shrnutí modelů, které dokáží nejlépe popsat a předpovědět chování podmíněného rozptylu vybraných časových řad směnných kurzů. Tyto modely lze dále využít k měření míry tržního rizika investic metodou Value at Risk nebo najdou široké uplatnění při odhadech budoucích cen, kde je při konstrukcích předpovědních intervalů nezbytná znalost budoucího podmíněného rozptylu.
|
host ::
RSS.