velikost textu

Forecasting oil prices volatility with Google searches

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:
Forecasting oil prices volatility with Google searches
Název v češtině:
Predikce volatility cen ropy pomocí Google Trends
Typ:
Bakalářská práce
Autor:
Bc. Ekaterina Tolstoguzova
Vedoucí:
PhDr. Ladislav Krištoufek, Ph.D.
Oponent:
Dimitrios Zafeiris, M.Sc.
Id práce:
191687
Fakulta:
Fakulta sociálních věd (FSV)
Pracoviště:
Institut ekonomických studií (23-IES)
Program studia:
Ekonomické teorie (B6201)
Obor studia:
Ekonomie a finance (EF)
Přidělovaný titul:
Bc.
Datum obhajoby:
10. 9. 2019
Výsledek obhajoby:
Velmi dobře (C)
Jazyk práce:
Angličtina
Klíčová slova:
Google Trends, ropa, VAR, vyhledávací dotaz, volatilita, nowcasting
Klíčová slova v angličtině:
Google Trends, oil, VAR, search query, price volatility, nowcasting
Abstrakt:
Kombinácia zrýchlujucej sa dynamiky obchodovania na trhu s ropou a rapídneho rozvoja technológií umožňuje jednoduchý prenos externých informačných šokov cez internet. V tejto práci skúmame vzájomné vzťahy medzi troma referenčnými cenami ropy, CBOE Cruide oil indexom volatility a Google vyhľadávaniami. Za účelom testovania Grangerovej kauzality a uskutučnenia impulse-response analýzy sme vytvorili VAR model. Výsledky ukazujú jednostranné aj obojstranný pričinný vzťah medzi cenami ropy, OVX a Google vyhľadávaniami. Out-of sample predpovede a Diebold-Marianov test nám ukázali je možné využiť Google trends na zlepšenie krátkodobej predikciu v prípade modelu s WTI cenami a indexom volatility.
Abstract v angličtině:
Oil market pricing is highly susceptible to geopolitical and economic events. With the rapid development of information technology, energy market can quickly get external information shocks through the Internet. This thesis examines the relationship between prices of three oil benchmarks, CBOE Crude Oil Volatility Index, and Google search queries. We built VAR model to study Granger causality and to provide impulse response analysis. Results indicate both one side and two-side causal relationship between oil-related series and most of the search queries. Out-of sample forecasting with measures of predictive accuracy and Diebold-Mariano test demonstrated that Google trends can improve short-run prediction potential only for models with WTI price and volatility index.
Dokumenty
Stáhnout Dokument Autor Typ Velikost
Stáhnout Text práce Bc. Ekaterina Tolstoguzova 2.45 MB
Stáhnout Abstrakt v českém jazyce Bc. Ekaterina Tolstoguzova 30 kB
Stáhnout Abstrakt anglicky Bc. Ekaterina Tolstoguzova 24 kB
Stáhnout Posudek vedoucího PhDr. Ladislav Krištoufek, Ph.D. 185 kB
Stáhnout Posudek oponenta Dimitrios Zafeiris, M.Sc. 69 kB
Stáhnout Záznam o průběhu obhajoby PhDr. Julie Chytilová, Ph.D. 153 kB