Vícerozměrné finanční časové řady
Multivariate Financial Time Series
diploma thesis (DEFENDED)
View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/49486Identifiers
Study Information System: 75373
Collections
- Kvalifikační práce [11216]
Author
Advisor
Referee
Kopa, Miloš
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
Probability, mathematical statistics and econometrics
Department
Department of Probability and Mathematical Statistics
Date of defense
19. 9. 2011
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
Czech
Grade
Excellent
Keywords (Czech)
DCC, vícerozměrný model GARCH, vícerozměrné Boxovy-Jenkinsonovy procesy, finanční časové řadyKeywords (English)
DCC, multivariate GARCH, multivariate Box-Jenkins processes, financial time seriesV této práci popíšeme metody pro modelování vícerozměrných finančních časových řad. Zaměříme se, jak na modelování střední hodnoty pomocí vícerozměrných Boxových-Jenkinsových procesů, tak především na mode- lování podmíněných korelací a volatility. Hlavní pozornost budeme věnovat DCC (Dynamic Conditional Correlation) modelu, odhadu jeho parametrů a některým jeho dalším zobecněním. DCC model poté naprogramujeme ve statistickém softwaru R a aplikujeme na reálná data. V aplikacích se budeme zabývat problémy vysoké dimenze finančních časových řad a modelováním podmíněných korelací dat, která obsahují odlehlá pozorování.
In this work we will describe methods for modeling multivariate financial time series. We will concentrate on both modeling expected value by multi- variate Box-Jenkins processes and primarily on modeling conditional corre- lations and volatility. Our main object will be DCC (Dynamic Conditional Correlation) model, estimation of its parameters and some other general- izations. Then we will programme DCC model in statistical software R and apply on real data. In applications we will concentrate on problem of high dimension of financial time series and on modeling conditional correlations data with outliers.