|
|
Value-at-risk forecasting with the ARMA-GARCH family of models during the recent financial crisis
Jánský, Ivo ; Rippel, Milan (vedoucí práce) ; Seidler, Jakub (oponent)
Diplomová práce vyhodnocuje několik set modelů pro jednodenní předpověď VaR v období mezi roky 2004 až 2009 na datech ze šesti světových akciových indexů - DJI, GSPC, IXIC, FTSE, GDAXI a N225. Modely jsou založené na AR a MA procesech s maximálně dvěma předešlými pozorováními a zároveň modelují podmíněnou volatilitu pomocí jednoho z GARCH, EGARCH a TARCH procesů rovněž s maximálně dvěma předešlými pozorováními. Parametry modelů jsou odhadnuty na datech z prvního období a jejich odhadovací přesnost je otestována na datech z druhého období, které vykazuje podstatně větší volatilitu. Hlavním cílem práce je otestovat, zda modely s parametry odhadnutými v období menší volatility mohou být použity i v období s větší volatilitou. Vyhodnocení je založeno na conditional coverage testu a je provedeno pro každý index zvlášť. Na rozdíl od jiných prací zabývajících se tímto tématem, tato práce nepředpokládá normální rozdělení logaritmovaných výnosů a neomezuje se na jeden předem vybraný proces pro modelování podmíněné volatility. Tato práce navíc využívá méně známý aparát, tzv. conditional coverage, pro vyhodnocení přesnosti odhadu modelů, který oproti standardním metodám nabízí několik výhod.
|
|
|
Two-stage backtesting of Value-at-Risk models
Matyáš, Jan ; Seidler, Jakub (vedoucí práce) ; Brechler, Josef (oponent)
Bachelor Thesis Two-stage backtesting of Value-at-Risk models Jan Matyáš Abstrakt práce Tato práce se zabývá srovnáváním zvolených Value-at-Risk modelů na základě jejich přesnosti předpovědí. Používáme dvou-úrovňový systém zpětného testování pro nalezení přístupu produkujícího nejvíce robustní odhady. Použitý rámec zpětného testování se skládá z testů nezávislosti, nepodmíněného krytí a podmíněného krytí a následující úrovně testovaní, který využívá ztrátovou funkci umožňující porovnání dvou vybraných modelů z předchozí části. Pro reprezentaci finančních trhů používáme čtyři akciové indexy zastupující jak rozvinuté ekonomiky (DAX, ATX), tak rozvíjející se země (PX, WIG). Modely jsou zkoumány v období mezi lednem 1997 a únorem 2014. Nejlepší výsledky jsme získali pro historickou metodu při 99% intervalu spolehlivosti. Při použití stabilního rozdělení nebo nižšího intervalu spolehlivosti jsme nezískali uspokojivé výsledky. Powered by TCPDF (www.tcpdf.org)
|
|
|
Value at Risk: GARCH vs. Stochatistic Volatility Models: Empirical Study
Tesárová, Viktória ; Gapko, Petr (vedoucí práce) ; Seidler, Jakub (oponent)
Práca porovnáva GARCH modely volatility a modely Stochastickej volatil- ity so študentovým t rozdelením a ich empirickú schopnos't predpovedania Value at Risk na piatich akciových indexoch: S&P, NASDAQ Compos- ite, CAC, DAX a FTSE. Detailne predstavuje problém vyrátania metódy maximálnej vierohodnosti pre Stochastickú volatilitu a navrhuje nedávno vyvinutú metódu tzv. Efficient Importance Sampling. Táto metóda posky- tuje veľmi primerané Monte Carlo odhady vierohodnostnej funkcie, ktoré sú závislé na numerických integráloch vysokéhu rádu. Komparatívna analýza je rozdelená na predpovedací výkon v prvom ob- dobí zo vzorky a v druhom období mimo vzorku. Tie sú vyhodnotené na základe štandardných štatistických a pravdepodobnostných backtestových metódach ako je tzv. podmienený a nepodmienený coverage. Na základe empirickej analýzy táto práca ukazuje, že SV modely môžu fungova't aspoň tak dobre ako GARCH modely, ak nie k nim by't nadradené pri predpovedaní volatility a následne parametrického Value at Risk. 1
|
|
|
Value-at-risk forecasting with the ARMA-GARCH family of models during the recent financial crisis
Jánský, Ivo ; Rippel, Milan (vedoucí práce) ; Seidler, Jakub (oponent)
Tato práce vyhodnocuje několik set modelů pro jednodenní předpověď VaR v období mezi roky 2004 až 2009 na datech ze šesti světových akciových indexů - DJI, GSPC, IXIC, FTSE, GDAXI a N225. Modely jsou založené na AR a MA procesech s maximálně dvěma předešlými pozorováními a zároveň modelují podmíněnou volatilitu pomocí jednoho z GARCH, EGARCH a TARCH procesů rovněž s maximálně dvěma předešlými pozorováními. Parametry modelů jsou odhadnuty na datech z prvního období a jejich odhadovací přesnost je otestována na datech z druhého období, které vykazuje podstatně větší volatilitu. Hlavním cílem práce je otestovat, zda modely s parametry odhadnutými v období menší volatility mohou být použity i v období s větší volatilitou. Vyhodnocení je založeno na conditional coverage testu a je provedeno pro každý index zvlášť. Na rozdíl od jiných prací zabývajících se tímto tématem, tato práce nepředpokládá normální rozdělení logaritmovaných výnosů a neomezuje se na jeden předem vybraný proces pro modelování podmíněně volatility. Tato práce navíc využívá měně známý aparát, tzv. conditional coverage, pro vyhodnocení přesnosti odhadu modelů, který oproti standardním metodám nabízí několik výhod.
|
|
|
Value at Risk: GARCH vs. Stochastic Volatility Models: Empirical Study
Tesárová, Viktória ; Gapko, Petr (vedoucí práce) ; Seidler, Jakub (oponent)
Práca porovnáva GARCH modely volatility a modely Stochastickej volatil- ity so študentovým t rozdelením a ich empirickú schopnos't predpovedania Value at Risk na piatich akciových indexoch: S&P, NASDAQ Compos- ite, CAC, DAX a FTSE. Detailne predstavuje problém vyrátania metódy maximálnej vierohodnosti pre Stochastickú volatilitu a navrhuje nedávno vyvinutú metódu tzv. Efficient Importance Sampling. Táto metóda posky- tuje veľmi primerané Monte Carlo odhady vierohodnostnej funkcie, ktoré sú závislé na numerických integráloch vysokéhu rádu. Komparatívna analýza je rozdelená na predpovedací výkon v prvom ob- dobí zo vzorky a v druhom období mimo vzorku. Tie sú vyhodnotené na základe štandardných štatistických a pravdepodobnostných backtestových metódach ako je tzv. podmienený a nepodmienený coverage. Na základe empirickej analýzy táto práca ukazuje, že SV modely môžu fungova't aspoň tak dobre ako GARCH modely, ak nie k nim by't nadradené pri predpovedaní volatility a následne parametrického Value at Risk. 1
|
|
|
Value-at-risk forecasting with the ARMA-GARCH family of models during the recent financial crisis
Jánský, Ivo ; Rippel, Milan (vedoucí práce) ; Seidler, Jakub (oponent)
Diplomová práce vyhodnocuje několik set modelů pro jednodenní předpověď VaR v období mezi roky 2004 až 2009 na datech ze šesti světových akciových indexů - DJI, GSPC, IXIC, FTSE, GDAXI a N225. Modely jsou založené na AR a MA procesech s maximálně dvěma předešlými pozorováními a zároveň modelují podmíněnou volatilitu pomocí jednoho z GARCH, EGARCH a TARCH procesů rovněž s maximálně dvěma předešlými pozorováními. Parametry modelů jsou odhadnuty na datech z prvního období a jejich odhadovací přesnost je otestována na datech z druhého období, které vykazuje podstatně větší volatilitu. Hlavním cílem práce je otestovat, zda modely s parametry odhadnutými v období menší volatility mohou být použity i v období s větší volatilitou. Vyhodnocení je založeno na conditional coverage testu a je provedeno pro každý index zvlášť. Na rozdíl od jiných prací zabývajících se tímto tématem, tato práce nepředpokládá normální rozdělení logaritmovaných výnosů a neomezuje se na jeden předem vybraný proces pro modelování podmíněné volatility. Tato práce navíc využívá méně známý aparát, tzv. conditional coverage, pro vyhodnocení přesnosti odhadu modelů, který oproti standardním metodám nabízí několik výhod.
|
host ::
RSS.