Warianty tytułu
Języki publikacji
Abstrakty
Wszystkie modele klasy ARCH umożliwiają opis grubych ogonów oraz efektu skupiania zmienności. Najmniej znane są nadal modele opisujące „długą pamięć" (istotne autokorelacje wysokich rzędów kwadratów stóp zwrotu) w procesach zmienności - modele FIGARCH (Fractionally IGARCH). W pracy „Modelowanie długiej pamięci szeregów zmienności stóp zwrotu” (K. Piontek) przedstawione zostały podstawowe wiadomości na temat modeli FIGARCH. Analizie poddano samo pojęcie ..długiej pamięci" w odniesieniu do modeli zmienności, zaprezentowano warunek występowania efektu długiej pamięci zmienności, związek pomiędzy modelami GARCH. IGARCH oraz FIGARCH. a także technikę estymacji parametrów najprostszego modelu FIGARCH(l, d, l). Autor zaprezentował również wyniki badań dla rynku polskiego (indeks WIG). (abstrakt oryginalny)
Rocznik
Strony
491-504
Opis fizyczny
Twórcy
autor
- Akademia Ekonomiczna we Wrocławiu
Bibliografia
- 1. Baillie R.. Bollerslev T.. Mikkelsen H. (1996). Fractionally Integrated Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 74, 3-30.
- 2. Bollerslev T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics. 31, 307-327.
- 3. Bollerslev T.. Mikkelsen H. (1996). Modelling and Pricing Long-memory in Stock Market Volatility. Journal of Econometrics, 73. 151-184.
- 4. Box G., Jenkins J. (1986). Analiza szeregów czasowych. Prognozowanie i sterowanie. Państwowe Wydawnictwo Naukowe, Warszawa.
- 5. Breidt J., Crato N.. de Lima P. (1998). On the Detection and Estimation of Long Memory in Stochastic Volatility. Journal of Econometrics, 83. 325-348.
- 6. Caporin M. (2002). FIGARCH Models: Stationarity. Estimation Methods and the Identification Problem. www.greta.it/italiano/pagine/PdfFile/02.02.pdf
- 7. Chung Ch. (2002). Estimating the Fractionally Integrated GARCH Model. www.sinica.edu.tw/~metrics/Pdf_Papers/Figarch.pdf
- 8. Davidson J. (2002). Moment and Memory Properties of Linear Coditional Heteroskedasticity Models. Cardiff University. www.cf.ac.uk/carbs/econ/davidsonje/hygarch4.pdf
- 9. Ding Z.. Granger C. (1996). Modeling Volatility Persistence of Speculative Returns: A new Approach. Journal of Econometrics, 73, 185-215.
- 10. Engle R. (1982). Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of UK Inflation. Econometrica, 50, 987-1008.
- 11. Grau T. (2002). Modelling Daily Value at Risk using FIGARCH Type Models. University of Alicante. merlin.fae.ua.es/nuevaweb/qed/ candidatos/niguez%20paper.pdf
- 12. Karanasos M., Psaradakis Z.. Sola M. (2002). On the Autocorrelation Properties of Long Memory GARCH Processes. www.utdt.edu/departamentos/economia/pdf-wp/WP025.pdf
- 13. Maheu J. (2002). Can GARCH Models Capture the Long-Range Dependence in Financial Market Volatility? University of Toronto. www.chass.utoronto.ca/~jmaheu/cgarch.pdf
- 14. Piontek K. (2002). Modelowanie i prognozowanie zmienności instrumentów finansowych. Akademia Ekonomiczna. Wrocław.
- 15. Piontek K. (2001). Heteroskedastyczność rozkładu stóp zwrotu a koncepcja pomiaru ryzyka metodą VciR. W: Modelowanie preferencji a ryzyko. Ustroń. 339-350.
- 16. Tsay R. (2002). Analysis of Financial Time Series. Wiley & Sons, Chicago.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171188015