Bayesowskie modele SV z przełączeniami typu Markowa w analizie zmienności na rynkach finansowych

Bayesowskie modele SV z przełączeniami typu Markowa w analizie zmienności na rynkach finansowych

1 opinia

Format:

ibuk

WYBIERZ RODZAJ DOSTĘPU

 

Dostęp online przez myIBUK

WYBIERZ DŁUGOŚĆ DOSTĘPU

6,15

Wypożycz na 24h i opłać sms-em

29,40

cena zawiera podatek VAT

ZAPŁAĆ SMS-EM

TA KSIĄŻKA JEST W ABONAMENCIE

Już od 19,90 zł miesięcznie za 5 ebooków!

WYBIERZ SWÓJ ABONAMENT

W pracy podjęto próbę opracowania i omówienia bayesowskich metod w zakresie estymacji, predykcji i porównywania modeli zmienności stochastycznej (SV) z przełączeniami typu Markowa oraz ich praktycznego wykorzystania do analizy zmienności cen wybranego instrumentu z polskiego rynku finansowego.

Głównym przedmiotem rozważań prezentowanych w monografii są dwie klasy modeli zmienności, opartych na przełącznikowych procesach SV: procesach dopuszczających zmiany parametrów równania definiującego logarytm wariancji warunkowej (w skrócie: MSIAH-SV) oraz na procesach z przełączeniami tzw. parametru premii za ryzyko (SV-MS-M). Dla obydwu klas procesów stochastycznych wyprowadzono oraz poddano szczegółowej analizie strukturę momentów warunkowych, a także strukturę momentów bezwarunkowych. W tym kontekście podjęto także badania mające na celu sformułowanie warunków koniecznych i wystarczających kowariancyjnej oraz ścisłej stacjonarności analizowanych procesów.


Rozważane procesy posłużyły do budowy bayesowskich modeli typu AR(1)-MSIAH-SV oraz AR(1)-SV-MS-M. Zdiagnozowano i zaproponowano możliwe rozwiązania problemów związanych z wykorzystaniem tego typu specyfikacji we wnioskowaniu statystycznym. Zagadnienia te obejmują: identyfikowalność stanów ukrytego łańcucha Markowa, spójność (koherencję) informacji a priori wprowadzanej do danego modelu przełącznikowego i modeli w nim zagnieżdżonych, nieograniczoność jądra gęstości rozkładu a posteriori w modelach klasy AR(1)-MSIAH-SV.

Na potrzeby estymacji oraz predykcji w ramach bayesowskich modeli SV z przełączeniami typu Markowa zaadaptowano wybrane metody symulacji Monte Carlo typu łańcuchów Markowa (MCMC), w tym: próbnik Gibbsa, algorytm Metropolisa i Hastingsa, procedurę FFBS oraz schemat próbkowania z permutacjami.

Opracowane metody wykorzystano do modelowania dynamiki zmienności oraz analizy premii za ryzyko dla dziennych logarytmicznych stóp zwrotu z akcji spółki Agora. Uzyskane wyniki wskazują na wyraźnie większą – w stosunku do podstawowego modelu SV – moc wyjaśniającą niektórych specyfikacji przełącznikowych oraz umożliwiają wskazanie źródeł tej przewagi.


Liczba stron376
WydawcaWydawnictwo Uniwersytetu Ekonomicznego w Krakowie
ISBN-13978-83-7252-659-5
Numer wydania1
Język publikacjipolski
Informacja o sprzedawcyRavelo Sp. z o.o.

INNE EBOOKI AUTORA

Ciekawe propozycje

Spis treści

  Wstęp     7
  
  1. PROCESY SV W MODELOWANIU DANYCH FINANSOWYCH     19
  
  1.1. Uwagi wprowadzające     19
  1.2. Ekonometryczne modelowanie finansowych szeregów czasowych     19
  1.2.1. Stopa zwrotu     19
  1.2.2. Zmienność instrumentów finansowych     21
  1.2.3. Własności finansowych szeregów czasowych     22
  1.3. Jednowymiarowe procesy zmienności stochastycznej     23
  1.3.1. Uwagi wstępne     23
  1.3.2. Podstawowy proces zmienności stochastycznej     27
  1.3.3. Proces SV-in-Mean     35
  
  2. PROCESY SV Z PRZEŁĄCZENIAMI TYPU MARKOWA     51
  
  2.1. Uwagi wprowadzające     51
  2.2. Elementy teorii łańcuchów Markowa     52
  2.3. Procesy SV z przełączeniami parametrów równania zmienności     58
  2.4. Proces SV z przełączeniami parametru struktury in-Mean     79
  2.5. Podsumowanie     92
  
  3. WNIOSKOWANIE BAYESOWSKIE W MODELACH SV Z PRZEŁĄCZENIAMI TYPU MARKOWA     94
  
  3.1. Uwagi wprowadzające     94
  3.2. Podstawy analizy bayesowskiej     97
  3.3. Bayesowskie przełącznikowe modele wariancji stochastycznej     103
  3.3.1. Ogólna struktura i modele bez przełączeń     103
  3.3.2. Modele SV z przełączeniami parametrów równania zmienności     110
  3.3.3. Model SV z przełączeniami parametru struktury in-Mean     118
  3.4. Predykcja w przełącznikowych modelach SV     120
  3.5. Problemy estymacji przełącznikowych modeli SV     122
  3.5.1. Uwagi wstępne     122
  3.5.2. Nieidentyfikowalność przełączanych parametrów i stanów łańcucha Markowa     123
  3.5.3. Koherencja struktur a priori     133
  3.5.4. Nieograniczoność jądra gęstości rozkładu a posteriori w modelach klasy AR(1)-MSIAH-SV     152
  3.6. Analiza rozkładów a priori     158
  3.6.1. Specyfikacja rozkładów a priori     158
  3.6.2. Rozkład a priori oczekiwanego czasu trwania stanu łańcucha     165
  
  4. METODY MCMC W SYMULACJACH Z ROZKŁADU A POSTERIORI     171
  
  4.1. Uwagi wprowadzające     171
  4.2. Próbnik Gibbsa     172
  4.3. Algorytm Metropolisa i Hastingsa     174
  4.4. Układ pełnych rozkładów warunkowych a posteriori     175
  4.5. Algorytm FFBS     186
  4.6. Próbnik permutacyjny     192
  
  5. MODELOWANIE ZMIENNOŚCI CEN AKCJI SPÓŁKI AGORA     195
  
  5.1. Uwagi wprowadzające     195
  5.2. Charakterystyka danych     197
  5.3. Analiza zbieżności metod MCMC     200
  5.4. Wyniki estymacji modeli klasy AR(1)-MSIAH-SV     211
  5.4.1. Analiza rozkładów a posteriori parametrów modeli     211
  5.4.2. Wnioskowanie o zmienności stóp zwrotu     235
  5.5. Wyniki estymacji modeli klasy AR(1)-SV-MS-M     266
  5.5.1. Analiza rozkładów a posteriori parametrów modeli     266
  5.5.2. Wnioskowanie o efekcie in-Mean     273
  5.5.3. Wnioskowanie o zmienności stóp zwrotu     285
  5.5.4. Wnioskowanie o skośności i leptokurtyczności warunkowego rozkładu stóp zwrotu     298
  5.6. Wnioskowanie o persystencji zmienności     303
  5.7. Porównanie mocy wyjaśniającej konkurencyjnych modeli     311
  
  Zakończenie     318
  
  Załączniki     325
  Literatura    352
  Spis tabel     368
  Spis rysunków     370
RozwińZwiń
W celu zapewnienia wysokiej jakości świadczonych przez nas usług, nasz portal internetowy wykorzystuje informacje przechowywane w przeglądarce internetowej w formie tzw. „cookies”. Poruszając się po naszej stronie internetowej wyrażasz zgodę na wykorzystywanie przez nas „cookies”. Informacje o przechowywaniu „cookies”, warunkach ich przechowywania i uzyskiwania dostępu do nich znajdują się w Regulaminie.

Nie pokazuj więcej tego powiadomienia