In: Ekonomický časopis/Journal of Economics, vol. 62, no. 2
Dušan Marček
Detaily:
Rok, strany: 2014, 133 - 149
Kľúčové slová:
Keywords: time series models, high frequency data, GARCH models, asymmetric volatility, leverage effect, RBF ANN
JEL Classification: C01, C22, C45, C51, C58, C62
Typ článku: Vedecký / Article
O článku:
V článku sa najskôr skúma asymetrická reakcia volatility na neočakávané zmeny výnosov a potom účinok dobrých a zlých správ na volatilitu časového radu dňových kurzov EUR/USD (eura voči americkému doláru) so sústredením sa na v obdobie do vzniku globálnej finančnej krízy a na obdobie počas globálnej finančnej krízy až do konca roku 2012. Ukázalo sa, že trieda GARCH modelov s normálnym rozdeleným chýb nie je schopná úplne zachytiť leptokurtozitu v analyzovanom empirickom časovom rade, zatiaľ čo Studentovo t a GED rozdelenie lepšie opisujú kondicionálnu volatilitu. Potom sa alternatívne vyvíjajú predikčné modely pre časový rad kurzov EUR/USD, zložené na ARIMA-GARCH metodológii, a modelom založenom na neurónovej sieti a zhodnocuje sa ich predikčná presnosť. Po zhodnotení obidvoch prístupov sa ukázalo, že neurónový prístup podstatne vylepšil presnosť predpovedí v porovnaním so štatistickým prístupom.
In the article we first introduce asymmetric response of equity volatility to return shock and then the effect of good and bad news to volatility for empirical time series of EUR/USD (EUR currency against US dollar) exchange rates in the pre-crisis period, during the crisis and the post-crisis period. We found that GARCH-class models with normal errors are not capable to capture fully the leptokurtosis in empirical time series, while Student´s t and GED errors provide better description for the conditional volatility. Then, we alternatively develop forecasting models based on the ARIMA/GARCH methodology and on the neural approach. In the direct comparison between statistical and neural models, the experiment shows that the neural approach clearly improve the forecast accuracy.
Ako citovať:
ISO 690:
Marček, D. 2014. Modelovanie volatility a predikčné modely vysokofrekvenčných finančných dát: štatistický a neurónový prístup. In Ekonomický časopis/Journal of Economics, vol. 62, no.2, pp. 133-149. 0013-3035.
APA:
Marček, D. (2014). Modelovanie volatility a predikčné modely vysokofrekvenčných finančných dát: štatistický a neurónový prístup. Ekonomický časopis/Journal of Economics, 62(2), 133-149. 0013-3035.