Applications of modern spectral tools in financial econometrics

Abstract

Spektrální metody v ekonomii zažívají v poslední době zvýšenou pozornost. Tato dizertační práce přispívá do ekonomické literatury používající spektrální metody představením koncepčně odlišných spektrálních metod a jejich použitím ve výzkumu moderních ekonomických problémů. V první části používáme spektrální dekompozici realizované volatility a budujeme vícerozměrný GARCH model, který odhadujeme pomocí standardních metod kvazi-maximální věrohodnosti a nové metody zobecněného autoregresivního skóru. Model stavíme na základě přesvědčení, že účastníci na trzích získávají informace v různých časových horizontech a tedy i budují svá očekávaní v těchto horizontech. Toto chování vytváří proces volatility, který je směsí procesů specifických pro různé části spektra. Tento model poté používáme na měnových trzích, konkrétně britské libře, švýcarském franku a euru. Za použití metody konfidenční množiny modelů ukazujeme, že náš vícerozměrný model volatility a modely konstruované pomocí metody zobecněného autoregresivního skóru predikují ve většině případů lépe než ostatní zkoumané modely. Dále nacházíme, že většina informace pro budoucí volatilitu přichází z vysokofrekvenční části spektra, která reprezentuje účastníky s krátkodobým investičním horizontem. Ve druhé části odvozujeme a následně používáme rozložení míry...

Spectral tools in econometrics have lately experienced a renewed surge in interest. This dissertation contributes to this literature by providing conceptually different spectral-based methods and their applications to problems of modern economics. In the first part, we take a spectral decomposition of realized volatility and construct a multivariate GARCH style model that we fit by standard quasi-maximum likelihood and generalized autoregressive score procedures. We build our model on a belief that market agents obtain information in various time horizons and therefore form their expectations in various informational horizons. This behavior creates an overall volatility process that is a mixture of spectrum specific processes. We then apply the model to the currency markets, namely GBP, CHF, and EUR. With the help of the model confidence set test we show that the multi-scale model and the generalized autoregressive score based models produce forecasts that are in most cases superior to the competing models. Moreover, we find that most of the information for future volatility comes from the high frequency part of the spectra representing the very short investment horizons. In the second part, we provide a spectral decomposition of a system multivariate connectedness measure based on Diebold and Yilmaz...