Statistické metody predikce volatility
Název práce: | Statistické metody predikce volatility |
---|---|
Autor(ka) práce: | Žáčková, Kristýna |
Typ práce: | Diplomová práce |
Vedoucí práce: | Fičura, Milan |
Oponenti práce: | Chval, David |
Jazyk práce: | Česky |
Abstrakt: | Diplomová práce se zaměřuje na modelování a prognózu podmíněného rozptylu časových řad měnového kurzu. Základní přístupy k modelování volatility v práci vycházejí z klasické statistiky. Zkoumané modely třídy (G)ARCH a jejich variace, konkrétně se jedná o modely ARCH, GARCH, FIGARCH, EGARCH, GJR-GARCH a HARCH, byly aplikovány na časovou řadu měnového kurzu EUR/USD spětiminutovou, hodinovou a denní frekvencí. Po provedené analýze rozdělení logaritmických výnosů byl stanoven předpoklad leptokurtického rozdělení, díky čemuž je v modelech dosaženo lepších výsledků ve srovnání s rozdělením normálním. Využíváno je GED a Studentovo t rozdělení. Nejúspěšnější byly obecně modely zohledňující asymetrii a dlouhou paměť v časové řadě, která byla patrná především u denní časové řady. Pro každou frekvenci dosahoval nejlepších výsledků jiný typ modelu, přesto žádný model nebyl schopen zachytit veškeré informace obsažené v modelech časových řad. |
Klíčová slova: | python; lineární modely volatility; nelineární modely volatility; GARCH; finanční časová řada; měnový kurz; predikce volatility |
Název práce: | Statistical methods of volatility prediction |
---|---|
Autor(ka) práce: | Žáčková, Kristýna |
Typ práce: | Diploma thesis |
Vedoucí práce: | Fičura, Milan |
Oponenti práce: | Chval, David |
Jazyk práce: | Česky |
Abstrakt: | The following master’s thesis focuses on modelling and forecasting the conditional variance of exchange rate time series. The main approaches to modelling and estimating volatility in this thesis are based on classical statistics. The evaluated models of class (G)ARCH and their variations – ARCH, GARCH, FIGARCH, EGARCH, GJR- GARCH and HARCH were applied to the time series of the EUR/USD foreign exchange rate with a five-minute, hourly and daily frequency. After the analysis of the distribution of logarithmic returns, the assumption of leptokurtic distribution is used, which leads to much better results of the models than when the normal distribution is used. GED and Student t distribution are applied. The most successful models were generally the models considering the asymmetry and long memory in the time series, which was most noticeable especially in the case of the daily time series. For each frequency, a different type of model achieved the best results, yet none of the models was able to capture all the information contained in the time series. |
Klíčová slova: | linear volatility models; nonlinear volatility models; GARCH; financial time series; exchange rate; forecasting volatility; python |
Informace o studiu
Studijní program / obor: | Finance a účetnictví/Finanční inženýrství |
---|---|
Typ studijního programu: | Magisterský studijní program |
Přidělovaná hodnost: | Ing. |
Instituce přidělující hodnost: | Vysoká škola ekonomická v Praze |
Fakulta: | Fakulta financí a účetnictví |
Katedra: | Katedra bankovnictví a pojišťovnictví |
Informace o odevzdání a obhajobě
Datum zadání práce: | 6. 2. 2018 |
---|---|
Datum podání práce: | 1. 6. 2020 |
Datum obhajoby: | 22. 6. 2020 |
Identifikátor v systému InSIS: | https://insis.vse.cz/zp/64674/podrobnosti |