Některé modifikace modelů ARCH pro finanční časové řady
Some modifications of models ARCH for financial time series
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/61876Identifikátory
SIS: 154779
Kolekce
- Kvalifikační práce [10679]
Autor
Vedoucí práce
Oponent práce
Zichová, Jitka
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Obecná matematika
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
24. 6. 2015
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Dobře
Klíčová slova (česky)
finanční časová řada, podmíněná heteroskedasticita, modelování volatility, GARCHKlíčová slova (anglicky)
financial time series, conditional heteroskedasticity, volatility modelling, GARCHV této práci se zabýváme modelováním finančních časových řad, a především jejich volatility, metodami odvozenými od modelu ARCH. Nejdříve uvádíme obecné vlastnosti finančních časových řad, následují modifikace modelu ARCH, a to konkrétně GARCH, EGARCH, GJR-GARCH a stručněji GARCH-M, IGARCH, FIGARCH a QGARCH, vhodné pro jejich modelování. U jednotlivých modelů je popsané jejich chování, které zpravidla vystihuje určité vlastnosti finančních časových řad. Dále je zmíněn postup při praktické analýze finančních časových řad a také je provedena demonstrace použití modelů GARCH, EGARCH a GJR-GARCH pro modelování řady hodnot akciového indexu FTSE 100 spolu s diagnostickýmii testy a predikcí. Powered by TCPDF (www.tcpdf.org)
This work deals with modelling time series, especially their volatility, by methods based on the ARCH model. In the beginning, we describe the general features of financial time series, afterwards we focus on the ARCH model modifications. The described modifications are GARCH, EGARCH, GJR-GARCH and briefly GARCH-M, IGARCH, FIGARCH and QGARCH. Along with the models, there is a description of their behaviour, which frequently reflects some features of financial time series. We also mention the process of practical financial time series analysis. In the end, we demonstrate the application of GARCH, EGARCH and GJR-GARCH models for modelling values of FTSE 100 index together with diagnostic tests and prediction. Powered by TCPDF (www.tcpdf.org)