velikost textu

Value at Risk: GARCH vs. Stochatistic Volatility Models: Empirical Study

Upozornění: Informace získané z popisných dat či souborů uložených v Repozitáři závěrečných prací nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora.
Název:
Value at Risk: GARCH vs. Stochatistic Volatility Models: Empirical Study
Název v češtině:
Value at Risk: GARCH modely vs. modely stochastickej volatility: empirická štúdia
Typ:
Rigorózní práce
Autor:
PhDr. Viktória Tesárová
Vedoucí:
PhDr. Petr Gapko
Oponent:
PhDr. Jakub Seidler, Ph.D.
Id práce:
134019
Fakulta:
Fakulta sociálních věd (FSV)
Pracoviště:
Institut ekonomických studií (23-IES)
Program studia:
Ekonomické teorie (N6201)
Obor studia:
Ekonomie (E)
Přidělovaný titul:
PhDr.
Datum obhajoby:
20. 3. 2013
Výsledek obhajoby:
Prospěl/a
Jazyk práce:
Angličtina
Klíčová slova:
VaR, GARCH, EGARCH, TGARCH, APARCH, Stochasticka volatilita, backtestov e metody, podmieneny coverage, nepodmieneny coverage
Klíčová slova v angličtině:
VaR, GARCH, EGARCH, TGARCH, APARCH, Stochastic Volatility, backtesting, conditional coverage, unconditional coverage
Abstrakt:
Abstrakt Práca porovnáva GARCH modely volatility a modely Stochastickej volatil- ity so študentovým t rozdelením a ich empirickú schopnosť 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 velmi 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 fungovať aspoň tak dobre ako GARCH modely, ak nie k nim byť nadradené pri predpovedaní volatility a následne parametrického Value at Risk. 1
Abstract v angličtině:
Abstract The thesis compares GARCH volatility models and Stochastic Volatility (SV) models with Student’s t distributed errors and its empirical forecasting per- formance of Value at Risk on five stock price indices: S&P, NASDAQ Com- posite, CAC, DAX and FTSE. It introduces in details the problem of SV models Maximum Likelihood examinations and suggests the newly devel- oped approach of Efficient Importance Sampling (EIS). EIS is a procedure that provides an accurate Monte Carlo evaluation of likelihood function which depends upon high-dimensional numerical integrals. Comparison analysis is divided into in-sample and out-of-sample forecast- ing performance and evaluated using standard statistical probability back- testig methods as conditional and unconditional coverage. Based on empirical analysis thesis shows that SV models can perform at least as good as GARCH models if not superior in forecasting volatility and parametric VaR. 1
Dokumenty
Stáhnout Dokument Autor Typ Velikost
Stáhnout Text práce PhDr. Viktória Tesárová 1.46 MB
Stáhnout Abstrakt v českém jazyce PhDr. Viktória Tesárová 29 kB
Stáhnout Abstrakt anglicky PhDr. Viktória Tesárová 29 kB
Stáhnout Posudek vedoucího PhDr. Petr Gapko 283 kB
Stáhnout Posudek oponenta PhDr. Jakub Seidler, Ph.D. 284 kB
Stáhnout Záznam o průběhu obhajoby 1.59 MB