Scale of Market Movements for US stock market

Abstract

V současné dobe neexistuje široce akceptovaná skála, která by klasifikovala finanční krize. Jeden z prístupu použitých v literatuře staví na analogii mezi soky na finančních trzích a soky v dynamických systemech znamých z fyziky, protože tyto spolu sdílí jiste charakteristiky. V teto bakalarske prýci jsme adaptovali Scale of Market Shocks, který byla puvodne navrzena pro forexove trhy, pro americky akciový trh. Tato skala by mela být jedným z nastroju, pomocí kterých americtí ekonomove mohou posoudit význost financní krize. Jako zakladní kamen nasí skaly jsme pouzili volatilitu merenou na datech lisící se granularity. Výstupem nasí prace je skala, ktera spravne identifikuje vsechny výrazne nenadýle pohyby na americkem akciovem trhu a prirazuje jim císelnou hodnotu, ktera odrazí jejich význam. Behem psaní teto prace jsme take zjistili, ze Principal Component Analysis, pomocí které jsme chteli sný^zit vypocetm narocnost problemu, nený pro tento ucel vhodna, protoze nedokaze odlisit signal v datech od sumu.

Currently, there is no singular, codified, and widely accepted approach to­ wards measuring the depth of financial crises. One of the approaches ap­ plied towards this problematic has been to build on the observed similarity between financial markets and dynamic systems in physics and to create analogous systems. The Scale of Market Shocks originally proposed for foreign exchange markets has been adapted for the US stock market in or­ der to provide US policy makers with a tool to assess the severity of such crises. Using methodology adapted from relevant research and literature we used volatilities calculated with different sampling resolution as the basis for our scale as we believe that these capture the behavior of different market agents. The resultant scale correctly identifies sharp movements and assign them a numerical value that denotes the importance of a crash. This scale is applicable for US policy makers to assess outcomes of proposed policies, however, the use of Principal Component Analysis to ease the computational complexity proved to not yield required results.