Show simple item record

Modelling Conditional Quantiles of CEE Stock Market Returns
dc.contributor.advisorBaruník, Jozef
dc.creatorTóth, Daniel
dc.date.accessioned2017-05-26T17:11:31Z
dc.date.available2017-05-26T17:11:31Z
dc.date.issued2015
dc.identifier.urihttp://hdl.handle.net/20.500.11956/64347
dc.description.abstractSprávne definované modely na predpovedanie výnosov indexov sú dôležité pre investorov, kvôli minimalizovaniu rizika na finančných trhoch. Táto práca sa zameriava na podmiené modelovanie Value at Risk, ktorá využíva rámec flex- ibilnej kvantilovej regresie, a tým sa môže vyhnúť predpokladu o normálne rozdelených výnosoch. Aplikujeme semiparametrickú lineárnu regresiu kvan- tilov (LQR) s realizovaným rozptylom a tiež model s pozitívnou a negatív- nou semivarianciou, ktorá umožňuje priame modelovanie kvantilov. Do úvahy berieme ceny štyroch európskych akciových indexov: českého PX, maďarského BUX, nemeckého DAX a londýnskeho FTSE 100. Naším cieľom je zistiť, ako použitie realizovaných rozptylov ovplyvňuje presnosť VaR a koreláciu medzi strednou a východnou Európou so západoeuróskymi indexmi. Hlavným príno- som práce je aplikácia modelov LQR pre modelovanie podmienených kvantilov a porovnanie korelácie medzi európskymi indexmi s využitím realizovaných mier. Naše výsledky ukazujú, že pri jednokrokovej prognóze lineárny kvan- tilový regresný model poskytuje lepšie odhady a taktiež presnejšie predpovede ako klasický VaR model s predpokladom normálne distribuovaných výnosov. Z tohoto dôvodu, LQR modely s realizovanou varianciou môžu byť použité ako presné nástroje pre investorov. Naviac ukážeme, že prínosy...cs_CZ
dc.description.abstractCorrectly specified models to forecast returns of indices are important for in- vestors to minimize risk on financial markets. This thesis focuses on conditional Value at Risk modeling, employing flexible quantile regression framework and hence avoiding the assumption on the return distribution. We apply semi- parametric linear quantile regression (LQR) models with realized variance and also models with positive and negative semivariance which allows for direct modelling of the quantiles. Four European stock price indices are taken into account: Czech PX, Hungarian BUX, German DAX and London FTSE 100. The objective is to investigate how the use of realized variance influence the VaR accuracy and the correlation between the Central & Eastern and Western European indices. The main contribution is application of the LQR models for modelling of conditional quantiles and comparison of the correlation between European indices with use of the realized measures. Our results show that linear quantile regression models on one-step-ahead forecast provide better fit and more accurate modelling than classical VaR model with assumption of nor- mally distributed returns. Therefore LQR models with realized variance can be used as accurate tool for investors. Moreover we show that diversification benefits are...en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Fakulta sociálních vědcs_CZ
dc.subjectVaRcs_CZ
dc.subjectvysokofrekvenčné dátacs_CZ
dc.subjectekonomická predpoveďcs_CZ
dc.subjectpodmienené kvantilycs_CZ
dc.subjectkvantilová regresiacs_CZ
dc.subjectVaRen_US
dc.subjecthigh-frequency dataen_US
dc.subjecteconomic forecasten_US
dc.subjectconditional quantilesen_US
dc.subjectquantile regressionen_US
dc.titleModelling Conditional Quantiles of CEE Stock Market Returnsen_US
dc.typediplomová prácecs_CZ
dcterms.created2015
dcterms.dateAccepted2015-06-23
dc.description.departmentInstitute of Economic Studiesen_US
dc.description.departmentInstitut ekonomických studiícs_CZ
dc.description.facultyFakulta sociálních vědcs_CZ
dc.description.facultyFaculty of Social Sciencesen_US
dc.identifier.repId151760
dc.title.translatedModelling Conditional Quantiles of CEE Stock Market Returnscs_CZ
dc.contributor.refereeKukačka, Jiří
dc.identifier.aleph002010936
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineEkonomiecs_CZ
thesis.degree.disciplineEconomicsen_US
thesis.degree.programEkonomické teoriecs_CZ
thesis.degree.programEconomicsen_US
uk.thesis.typediplomová prácecs_CZ
uk.taxonomy.organization-csFakulta sociálních věd::Institut ekonomických studiícs_CZ
uk.taxonomy.organization-enFaculty of Social Sciences::Institute of Economic Studiesen_US
uk.faculty-name.csFakulta sociálních vědcs_CZ
uk.faculty-name.enFaculty of Social Sciencesen_US
uk.faculty-abbr.csFSVcs_CZ
uk.degree-discipline.csEkonomiecs_CZ
uk.degree-discipline.enEconomicsen_US
uk.degree-program.csEkonomické teoriecs_CZ
uk.degree-program.enEconomicsen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csSprávne definované modely na predpovedanie výnosov indexov sú dôležité pre investorov, kvôli minimalizovaniu rizika na finančných trhoch. Táto práca sa zameriava na podmiené modelovanie Value at Risk, ktorá využíva rámec flex- ibilnej kvantilovej regresie, a tým sa môže vyhnúť predpokladu o normálne rozdelených výnosoch. Aplikujeme semiparametrickú lineárnu regresiu kvan- tilov (LQR) s realizovaným rozptylom a tiež model s pozitívnou a negatív- nou semivarianciou, ktorá umožňuje priame modelovanie kvantilov. Do úvahy berieme ceny štyroch európskych akciových indexov: českého PX, maďarského BUX, nemeckého DAX a londýnskeho FTSE 100. Naším cieľom je zistiť, ako použitie realizovaných rozptylov ovplyvňuje presnosť VaR a koreláciu medzi strednou a východnou Európou so západoeuróskymi indexmi. Hlavným príno- som práce je aplikácia modelov LQR pre modelovanie podmienených kvantilov a porovnanie korelácie medzi európskymi indexmi s využitím realizovaných mier. Naše výsledky ukazujú, že pri jednokrokovej prognóze lineárny kvan- tilový regresný model poskytuje lepšie odhady a taktiež presnejšie predpovede ako klasický VaR model s predpokladom normálne distribuovaných výnosov. Z tohoto dôvodu, LQR modely s realizovanou varianciou môžu byť použité ako presné nástroje pre investorov. Naviac ukážeme, že prínosy...cs_CZ
uk.abstract.enCorrectly specified models to forecast returns of indices are important for in- vestors to minimize risk on financial markets. This thesis focuses on conditional Value at Risk modeling, employing flexible quantile regression framework and hence avoiding the assumption on the return distribution. We apply semi- parametric linear quantile regression (LQR) models with realized variance and also models with positive and negative semivariance which allows for direct modelling of the quantiles. Four European stock price indices are taken into account: Czech PX, Hungarian BUX, German DAX and London FTSE 100. The objective is to investigate how the use of realized variance influence the VaR accuracy and the correlation between the Central & Eastern and Western European indices. The main contribution is application of the LQR models for modelling of conditional quantiles and comparison of the correlation between European indices with use of the realized measures. Our results show that linear quantile regression models on one-step-ahead forecast provide better fit and more accurate modelling than classical VaR model with assumption of nor- mally distributed returns. Therefore LQR models with realized variance can be used as accurate tool for investors. Moreover we show that diversification benefits are...en_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Fakulta sociálních věd, Institut ekonomických studiícs_CZ
dc.identifier.lisID990020109360106986


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV