Przejdź do treści
Studia i Prace WNEiZ US

Wcześniej: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Studia i Prace WNEiZ

nr 50/1 2017

Prognozowanie zmienności stóp zwrotu na rynkach złota i srebra z uwzględnieniem efektu asymetrii i długiej pamięci

DOI: 10.18276/sip.2017.50/1-17
Cytuj

Pełny tekst jest dostępny

ISSN:2450-7733
eISSN:2300-4096
Autorzy: Bogdan Włodarczyk
Uniwersytet Warmińsko-Mazurski w Olsztynie
Słowa kluczowe: prognozowanie zmienności cen rynek towarowy
Data publikacji całości:2017
Liczba stron:17 (231-247)
OAI-PMH:Metadane
Klasyfikacja JEL: C53 C58 Q31
Cited-by (Crossref) ?: Włącz JavaScript, aby pobrać dane cytowań.
CC BY-SA Open Access
Kod QR

Abstrakt

W artykule dokonano analizy znaczenia efektu asymetrii i długiej pamięci w modelowaniu i prognozowaniu warunkowej zmienności oraz ryzyka rynkowego na rynku towarowym na przykładzie złota i srebra. Wykorzystano szeroki zestaw liniowych i nieliniowych modeli typu GARCH. Analiza prognoz wewnątrz próby (in-sample) i spoza próby (out of sample) wykazała, że zmienność stóp zwrotu dla złota i srebra jest w dokładniejszy sposób opisywana przez nieliniowe modele zmienności wykorzystujące długą pamięć i efekt asymetrii. W szczególności model FIAPARCH okazał się najlepszy do budowy prognoz VaR dla długich i krótkich pozycji. Model ten również generował najniższą liczbę naruszeń zasad bezpieczeństwa sformułowanych w Umowie Kapitałowej Bazylea II, osiągając poziom ekspozycji na ryzyko przy 99-procentowym przedziale ufności.

PDF

Pobierz PDF
Podgląd PDF

Otwórz PDF

Bibliografia (22)
  1. Aloui, C., Mabrouk, S. (2010). Value-at-risk Estimations of Energy Commodities via Long-memory, Asymmetry and Fat-tailed GARCH Models. Energy Policy, 38, 2326–2339.
  2. Arouri, M., Hammoudeh, S., Lahiani, A., Nguyen, D.K. (2012). Long Memory and Structural Breaks in Modeling the Return and Volatility Dynamics of Precious Metals. The Quarterly Review of Economics and Finance, 2 (52), 207–218.
  3. Cheng, W.H., Hung, J.C. (2011). Skewness and Leptokurtosis in GARCH-typed VaR Estimation of Petroleum and Metal Asset Returns. The Journal of Empirical Finance, 18, 160–173.
  4. Choi, K., Hammoudeh, S. (2009). Long Memory in Oil and Refined Products Markets. Energy Journal, 30, 97–116.
  5. Doman, M., Doman, R. (2009). Modelowanie zmienności i ryzyka. Metody ekonometrii finansowej. Warszawa: Wolters Kluwer.
  6. Elder, J., Serletis, A. (2008). Long Memory in Energy Futures Prices. Review of Financial Economics, 17, 146–155.
  7. Engle, R.F., Bollerslev, T. (1986). Modelling the Persistence of Conditional Variances. The American Economic Review, 5, 1–50.
  8. Geweke, J., Porter-Hudak, S. (1983). The Estimation and Application of Long-memory Time Series Models. Journal of Time Series Analysis, 4, 221–238.
  9. Hammoudeh, S. (2009). Long Memory in Oil and Refined Products Markets. The Energy Journal, 30 (2), 97–116.
  10. Hammoudeh, S., Yuan, Y. (2008). Metal Volatility in Presence of Oil and Interest Rate Shocks. Energy Economics 30, 606–620.
  11. Hammoudeh, S., Yuan, Y., McAleer, M., Thompson, M. (2010). Precious Metals-exchange Rate Volatility Transmissions and Hedging Strategies. The International Review of Economics & Finance, 20, 633–647.
  12. Jajuga K. (red.) (2000). Metody ekonometryczne i statystyczne w analizie rynku kapitałowego. Wrocław: Wyd. AE we Wrocławiu.
  13. Kang, S.H., Yoon, S.-M. (2013). Modeling and Forecasting the Volatility of Petroleum Futures Prices. Energy Economics, 36, 354–362.
  14. Kupiec, P. (1995). Technique for Verifying the Accuracy of Risk Measurement Models. The Journal of Derivative, 2, 173–184.
  15. Mckenzie, M.D., Mitchell, H., Brooks, R.D., Faff, R.W. (2001). Power ARCH Modelling of Commodity Futures Data on the London Metal Market. The European Journal of Finance, 7, 22–38.
  16. Miciuła, I. (2014). The Concept of FTS Anylysis in Forecasting Trends of Exchange Rate Changes. Economics & Sociology, 7 (2), 172–182.
  17. Robinson, P.M. (1995). Log-periodogram Regression of Time Series with Long Range Dependence. The Annals of Statistics, 23, 1048–1072.
  18. Tarczyński W., Mojsiewicz M. (2001). Zarządzanie ryzykiem. Warszawa: PWE.
  19. Thuraisamy, K.S., Sharma, S.S., Ahmed, H.J.A. (2013). The Relationship between Asian Equity and Commodity Futures Markets. The Journal of Asian Economics, 28, 67–75.
  20. Vivian, A., Wohar, M.E. (2012). Commodity Volatility Breaks. Journal of International Financial Markets, Institutions & Money, 22, 395–422.
  21. Wei, Y., Wang, Y., Huang, D. (2010). Forecasting Crude Oil Market Volatility: Further Evidence Using GARCH-class Models. Energy Ecoomics, 32, 1477–1484.
  22. Zivot, E., Andrews, K. (1992). Further Evidence on the Great Crash, the Oil Price Shock, and the Unit Root Hypothesis. Journal of Business & Economic Statistics, 10, 251–270.