Good volatility, bad volatility, and the cross-section of stock returns at different investment horizons
Good volatility, bad volatility, and the cross-section of stock returns at different investment horizons
diplomová práce (OBHÁJENO)

Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/99532Identifikátory
SIS: 191477
Kolekce
- Kvalifikační práce [18349]
Autor
Vedoucí práce
Oponent práce
Kukačka, Jiří
Fakulta / součást
Fakulta sociálních věd
Obor
Ekonomie a finance
Katedra / ústav / klinika
Institut ekonomických studií
Datum obhajoby
20. 6. 2018
Nakladatel
Univerzita Karlova, Fakulta sociálních vědJazyk
Angličtina
Známka
Velmi dobře
Klíčová slova (česky)
Realized Volatility, Wavelet, Long-Memory Models, Cross-Section, Volatility Forecast, High-Frequency DataKlíčová slova (anglicky)
Realized Volatility, Wavelet, Long-Memory Models, Cross-Section, Volatility Forecast, High-Frequency DataStarting with the assumption that different investors have different investment time preferences and different risk tolerances within their given investment time-frames, this paper investigates the value of employing multiresolution analysis to model volatility and risk-pricing. In terms of estimation and fore- casting performance we were able to reduce by at least half the volatility fore- casting errors, with even better results at longer horizons. In regards to risk pricing we learn that extreme aggregate volatility (i.e. tail risk) is priced but regular volatility is not. Additionally we find that whilst aggregate volatility is generally more important over the long-horizon, during periods of market turmoil it is much more significant over the short-horizon. Finally we show that stocks with high sensitivity to aggregate volatility have lower subsequent returns supporting the idea that they become attractive as a hedge against market volatility. JEL Classification C12, C13, C21, C22, C31, C32, C51, C52, C53 Keywords Realized Volatility, Wavelet, Long-Memory Models, Cross-Section, Volatility Forecast, High-Frequency Data Author's e-mail tony sako@yahoo.com Supervisor's e-mail barunik@fsv.cuni.cz
Citace dokumentu
Metadata
Zobrazit celý záznamSouvisející záznamy
Zobrazují se záznamy příbuzné na základě názvu, autora a předmětu.
-
Extending volatility models with market sentiment indicators
Výsledek obhajoby: OBHÁJENORöhryová, Lenka (Univerzita Karlova, Fakulta sociálních věd, 2018)Datum obhajoby: 31. 1. 2018In this thesis, we aim to improve forecast accuracy of a heterogenous au- toregressive model (HAR) by including market sentiment indicators based on Google search volume and Twitter sentiment. We have analysed 30 com- ... -
POROVNÁNÍ RŮZNÝCH PŘÍSTUPŮ KE STANOVENÍ ANTIMONU POMOCÍ ATOMOVÉ FLUORESCENČNÍ SPEKTROMETRIE
Výsledek obhajoby: OBHÁJENOAdámková, Dominika (Univerzita Karlova, Přírodovědecká fakulta, 2018)Datum obhajoby: 4. 6. 2018Bakalářská práce se zabývá porovnáním tří způsobů generování těkavých sloučenin pro stanovení antimonitých a antimoničných iontů pomocí atomové fluorescenční spektrometrie. Pro porovnání jednotlivých stanovení byly vždy ... -
Forecasting Realized Volatility Using Neural Networks
Výsledek obhajoby: OBHÁJENOJurkovič, Jindřich (Univerzita Karlova, Fakulta sociálních věd, 2013)Datum obhajoby: 26. 6. 2013Předkládaná práce se zabývá předpovídáním časových řad denní realizované volatility vybraných měnových párů EUR/USD, GBP/USD a USD/CHF, pomocí neu-ronových sítí. Jejich výsledky jsou porovnány s výsled-ky aktuálně populárního ...