Influence of stock market variables on correlations among S&P sectors
Vliv proměnných akciového trhu na korelace mezi sektory S&P
diplomová práce (OBHÁJENO)

Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/174002Identifikátory
SIS: 236461
Kolekce
- Kvalifikační práce [18181]
Autor
Vedoucí práce
Oponent práce
Baruník, Jozef
Fakulta / součást
Fakulta sociálních věd
Obor
Ekonomie a finance
Katedra / ústav / klinika
Institut ekonomických studií
Datum obhajoby
15. 6. 2022
Nakladatel
Univerzita Karlova, Fakulta sociálních vědJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
korelace, DCC, S&P, výnos dluhopisu, ropa, VIXKlíčová slova (anglicky)
correlation, DCC, S&P, bond yield, crude oil, VIXTato práce zkoumá vliv exogenních proměnných (S&P 500 Index, 10letý americký státní dluhopis, ropa a CBOE Volatility Index (VIX)) na dynamiku korelací mezi sektory S&P. Zaměřujeme se na denní a týdenní investiční horizonty a aplikujeme bivariační Dynamic Conditional Correlation (DCC) model. Změny v korelacích implikované DCC modelem jsou dále modelovány pomocí exogenních regresorů. Výsledky ukazují, že VIX má nejlepší schopnost předpovidat budoucí změny v ko- relacích. Nárůst hodnoty indexu VIX v den (týden) t způsobuje nárůst v korelacích v den (týden) t+1. Dále, korelace sektoru Energy mají tendenci růst v týdny, kdy cena ropy padá. Co se týče sektoru Information Technology, jeho korelace většinou rostou v dny, kdy se výnos 10letého amerického státního dluhopisu zvyšuje. Ačkoliv jsme odhalili určitou schopnost predikovat budoucí změny v korelacích, jen velmi malá část těchto změn je ve skutečnosti vysvětlena. 1
This thesis investigates the influence of the exogenous variables (S&P 500 Index, 10-year US Treasury Note, crude oil, and CBOE Volatility Index (VIX)) on the dynamics of correlations among S&P sectors. We concentrate on daily and weekly investment horizons, and employ the bivariate Dynamic Conditional Correlation (DCC) model. Changes in correlations implied by the DCC model are further modelled using the exogenous variables. The results indicate that VIX has the best ability to predict future changes in correlations. An increase in VIX on day (week) t is expected to cause a rise in correlations on day (week) t + 1. Next, correlations of the Energy sector tend to increase in weeks when crude oil prices are falling. Further, correlations of the Information Technology sector are likely to increase on days of rising yield on the 10-year US Treasury Note. Although we detect a certain power to predict future changes in correlations, very little of these changes is actually explained. 1