dc.contributor.advisor | Křehlík, Tomáš | |
dc.creator | Petras, Petr | |
dc.date.accessioned | 2017-06-02T07:31:04Z | |
dc.date.available | 2017-06-02T07:31:04Z | |
dc.date.issued | 2016 | |
dc.identifier.uri | http://hdl.handle.net/20.500.11956/83136 | |
dc.description.abstract | Tato práce kombinuje diskrétní a spojité metody pro modelování propojenosti finančních tikových dat. Jako diskrétní metodologii používáme vektorovou autoregresi. Na kontinuální ose Hawkesův proces, což je speciální případ bodového procesu. Zjistili jsme, že finanční statky jsou propojeny nesymet- ricky. Díky použití dvou metodologií jsme byli schopni lépe modelovat propo- jenost těchto statků. Potvrdili jsme existenci cenového vůdce v našem portfoliu tří statků. Také jsme namodelovali propojení skoků cen mezi statky. Jako závěr práce uvádíme, že obě metody přináší důležité výsledky ohledně vývoje cen na trhu a měly by být používány dohromady nebo alespoň s vědomím existence druhé metody. Klasifikace JEL C32, G11, G14 Klíčová slova Vektorová autoregrese, Hawkesovy procesy, Vysokofrekvenční analýza, Propojenost E-mail autora petr.petras@email.cz E-mail vedoucího práce krehlik@utia.cas.cz | cs_CZ |
dc.description.abstract | This work combines discrete and continuous methods while modeling connect- edness of financial tick data. As discrete method we are using vector autore- gression. For continuous domain Hawkes process is used, which is special case of point process. We found out that financial assets are connected in non- symmetrical fashion. By using two methodologies we were able to model bet- ter how are the series connected. We confirmed existence of price leader in our three stock portfolio and modeled connectedness of jumps between stocks. As conclusion we state that both methods yields important results about price nature on the market and should be used together or at least with awareness of second approach. JEL Classification C32, G11, G14 Keywords Vector Autoregression, Hawkes process, High- frequency analysis, Connectedness Author's e-mail petr.petras@email.cz Supervisor's e-mail krehlik@utia.cas.cz | en_US |
dc.language | English | cs_CZ |
dc.language.iso | en_US | |
dc.publisher | Univerzita Karlova, Fakulta sociálních věd | cs_CZ |
dc.subject | Vektorová autoregrese | cs_CZ |
dc.subject | Hawkesovy procesy | cs_CZ |
dc.subject | Vysokofrekvenční analýza | cs_CZ |
dc.subject | Propojenost | cs_CZ |
dc.subject | Vector Autoregression | en_US |
dc.subject | Hawkes process | en_US |
dc.subject | High-frequency analysis | en_US |
dc.subject | Connectedness | en_US |
dc.title | Connectedness of high-frequency data | en_US |
dc.type | diplomová práce | cs_CZ |
dcterms.created | 2016 | |
dcterms.dateAccepted | 2016-09-15 | |
dc.description.department | Institute of Economic Studies | en_US |
dc.description.department | Institut ekonomických studií | cs_CZ |
dc.description.faculty | Fakulta sociálních věd | cs_CZ |
dc.description.faculty | Faculty of Social Sciences | en_US |
dc.identifier.repId | 165783 | |
dc.title.translated | Propojenost vysokofrekvenčních dat | cs_CZ |
dc.contributor.referee | Maršál, Aleš | |
dc.identifier.aleph | 002104105 | |
thesis.degree.name | Mgr. | |
thesis.degree.level | navazující magisterské | cs_CZ |
thesis.degree.discipline | Ekonomie | cs_CZ |
thesis.degree.discipline | Economics | en_US |
thesis.degree.program | Ekonomické teorie | cs_CZ |
thesis.degree.program | Economics | en_US |
uk.thesis.type | diplomová práce | cs_CZ |
uk.taxonomy.organization-cs | Fakulta sociálních věd::Institut ekonomických studií | cs_CZ |
uk.taxonomy.organization-en | Faculty of Social Sciences::Institute of Economic Studies | en_US |
uk.faculty-name.cs | Fakulta sociálních věd | cs_CZ |
uk.faculty-name.en | Faculty of Social Sciences | en_US |
uk.faculty-abbr.cs | FSV | cs_CZ |
uk.degree-discipline.cs | Ekonomie | cs_CZ |
uk.degree-discipline.en | Economics | en_US |
uk.degree-program.cs | Ekonomické teorie | cs_CZ |
uk.degree-program.en | Economics | en_US |
thesis.grade.cs | Výborně | cs_CZ |
thesis.grade.en | Excellent | en_US |
uk.abstract.cs | Tato práce kombinuje diskrétní a spojité metody pro modelování propojenosti finančních tikových dat. Jako diskrétní metodologii používáme vektorovou autoregresi. Na kontinuální ose Hawkesův proces, což je speciální případ bodového procesu. Zjistili jsme, že finanční statky jsou propojeny nesymet- ricky. Díky použití dvou metodologií jsme byli schopni lépe modelovat propo- jenost těchto statků. Potvrdili jsme existenci cenového vůdce v našem portfoliu tří statků. Také jsme namodelovali propojení skoků cen mezi statky. Jako závěr práce uvádíme, že obě metody přináší důležité výsledky ohledně vývoje cen na trhu a měly by být používány dohromady nebo alespoň s vědomím existence druhé metody. Klasifikace JEL C32, G11, G14 Klíčová slova Vektorová autoregrese, Hawkesovy procesy, Vysokofrekvenční analýza, Propojenost E-mail autora petr.petras@email.cz E-mail vedoucího práce krehlik@utia.cas.cz | cs_CZ |
uk.abstract.en | This work combines discrete and continuous methods while modeling connect- edness of financial tick data. As discrete method we are using vector autore- gression. For continuous domain Hawkes process is used, which is special case of point process. We found out that financial assets are connected in non- symmetrical fashion. By using two methodologies we were able to model bet- ter how are the series connected. We confirmed existence of price leader in our three stock portfolio and modeled connectedness of jumps between stocks. As conclusion we state that both methods yields important results about price nature on the market and should be used together or at least with awareness of second approach. JEL Classification C32, G11, G14 Keywords Vector Autoregression, Hawkes process, High- frequency analysis, Connectedness Author's e-mail petr.petras@email.cz Supervisor's e-mail krehlik@utia.cas.cz | en_US |
uk.file-availability | V | |
uk.publication.place | Praha | cs_CZ |
uk.grantor | Univerzita Karlova, Fakulta sociálních věd, Institut ekonomických studií | cs_CZ |
dc.identifier.lisID | 990021041050106986 | |