autoreferat - Wydział Nauk Ekonomicznych
Transkrypt
autoreferat - Wydział Nauk Ekonomicznych
Uniwersytet Warszawski Wydział Nauk Ekonomicznych Tomasz Skoczylas Streszczenie rozprawy doktorskiej p.t. „Modelowanie i prognozowanie wariancji stóp zwrotu. Wykorzystanie kursów dziennych w modelach klasy GARCH” Praca podejmuje temat modelowania i prognozowania wariancji stóp zwrotu przy wykorzystaniu pełnego zestawu kursów dziennych. W literaturze przedmiotu dominującym podejściem w kwestii estymacji modeli warunkowej wariancji dla danych dziennych jest wykorzystanie wyłącznie informacji o dziennych cenach zamknięcia analizowanych aktywów finansowych. Powszechną praktyką rynkową jest jednak udostępnianie, wraz z cenami zamknięcia, także cen otwarcia, minimalnych i maksymalnych. W niniejszej pracy wskazane są korzyści wynikające z zastosowania pełniejszego zestawu dostępnych informacji w kontekście modeli klasy GARCH. W rozdziale 1 przedstawione zostały estymatory dziennej wariancji stóp zwrotu oparte o wartości ekstremalne (cenę minimalną, maksymalną, otwarcia, oraz zamknięcia). Estymatory te okazują się wielokrotnie bardziej efektywne niż klasyczny estymator wariancji oparty wyłącznie o ceny zamknięcia. Rozdział 2 przedstawia istniejące modele warunkowej wariancji wykorzystujące pełniejszy zestaw dostępnych informacji – bądź to poprzez użycie estymatorów wariancji opartych o ceny ekstremalne, bądź też samych wartości ekstremalnych. W rozdziale 3 omówione zostało zagadnienie oceny trafności prognoz w modelach warunkowej wariancji, z uwzględnieniem różnych aproksymacji rzeczywistej zmienności. W kolejnych rozdziałach dokonano weryfikacji głównych hipotez badawczych postawionych w niniejszej pracy: - Wykorzystując estymatory wariancji oparte o wartości ekstremalne można skonstruować modele warunkowej wariancji o lepszych własnościach prognostycznych niż w przypadku modeli opartych wyłącznie o stopy zwrotu. (H1) - Nie istnieje ściśle dominujące podejście w kwestii rodzaju wykorzystywanych danych w modelach klasy GARCH. (H2) - Możliwe jest wskazanie reguł pozwalających na wybór bardziej korzystnego, z punktu widzenia jakości generowanych prognoz, modelu zmienności. (H3) - Skuteczność reguły wyboru prognozy warunkowej wariancji zależy od rodzaju analizowanego aktywa. (H4) Rozdziały 4 i 6 pozytywnie weryfikują hipotezę H1. W rozdziale 4 pokazane zostało, iż zastosowanie modeli klasy GARCH wykorzystujących estymatory oparte o wartości ekstremalne często prowadzi do poprawy jakości prognoz warunkowej wariancji w stosunku do klasycznych modeli GARCH (opartych wyłącznie o stopy zwrotu). W rozdziale 6 zaproponowano autorską modyfikację modeli GARCH wykorzystującą estymator GarmanaKlassa i możliwą do zastosowania dla wszystkich modeli klasy GARCH zakładających normalny rozkład stóp zwrotu. Modele zaproponowane w rozdziale 6 lepiej radzą sobie z prognozowaniem zmienności w ogonach rozkładów empirycznych stóp zwrotu niż modele wyjściowe. W rozdziale 4 pozytywnie zweryfikowana została także hipoteza H2 – nie ma podstaw do uznania za prawdziwe stwierdzenia o dominacji któregokolwiek z dwóch analizowanych podejść. W rozdziale 5 zaproponowano autorski algorytm wyboru prognoz warunkowej wariancji. Algorytm ten, w oparciu o egzogeniczne zmienne, pozwala przewidywać relatywną trafność prognoz uzyskiwanych przy pomocy modeli GARCH wykorzystujących estymatory oparte o wartości ekstremalne i modeli GARCH opartych wyłącznie o stopy zwrotu. Istotna poprawa trafności prognoz uzyskiwanych przy pomocy algorytmu (w odniesieniu do modeli wyjściowych) pozwala uznać hipotezę H3 za prawdziwą. Okazuje się jednak, że skala korzyści odnoszonych z zastosowania algorytmu jest zależna od rodzaju analizowanego aktywa – co z kolei skłania do uznania hipotezy H4 za prawdziwą. Nadrzędnym celem niniejszej pracy było wykazanie, iż sensowne jest stosowanie zarówno modeli GARCH opartych wyłącznie o stopy zwrotu jak i modeli GARCH wykorzystujących estymatory oparte o wartości ekstremalne. Żadne z tych dwóch podejść nie powinno być z góry pomijane. Zdaniem autora istotnym wkładem niniejszej pracy w rozwój metod modelowania i prognozowania wariancji jest zaproponowanie nowej modyfikacji modeli GARCH, jak również zaprezentowanie autorskiego algorytmu wyboru prognoz warunkowej wariancji.