Metody předvídání volatility

Filip Hrbek

Master's thesis

Methods of volatility estimation

Abstract:

V této diplomové práci jsem shrnul základní přístupy k modelování volatility, které vycházejí z frekventistické a z bayesovské statistiky. Modely volatility byly aplikovány na časové řady různých měnových párů (EURUSD, GBPUSD a CZK USD) s různou frekvencí (od vteřinových výnosů až po denní výnosy). Zkoumanými modely z klasické statistiky byly modely EWMA, GARCH, EGARCH, IGARCH a GJRGARCH. Pro odhad bayesovkých modelů bylo potřeba nejdříve vytvořit správný MCMC algoritmus, na jehož základě jsme poté zkoumali modely jump diffusion s konstantní volatilitou a jump diffusion se stochastickou volatilitou. Všechny modely byly odhadnuty jako jednorozměrné. Nejlepších výsledků metodou Mincer Zarnowitzovi regrese bylo dosaženo u modelu jump diffusion se stochastickou volatilitou. V těsném závěsu byl model GJR-GARCH spolu s jump diffusion modelem s konstantní volatilitou, který však volatilitu nadhodnocoval. Ještě horší byl zbytek modelů, z který nejlépe volatilitu předvídal IGARCH model. Tyto výsledky potvrzuje i koeficient R squared.

Abstract:

In this masterthesis I have rewied basic approaches to volatility estimating. These approaches are based on classical and Bayesian statistics. I have applied the volatility models for the purpose of volatility forecasting of a different foreign exchange (EURUSD, GBPUSD and CZKEUR) in the different period (from a second period to a day period). I formulate the models EWMA, GARCH, EGARCH, IGARCH, GJRGARCH, jump diffuison with constant volatility and jump diffusion model with stochastic volatility. I also proposed an MCMC algorithm in order to estimate the Bayesian models. All the models we estimated as univariate models. I compared the models according to Mincer Zarnowitz regression. The most successfull model is the jump diffusion model with a stochastic volatility. On the second place they were the GJR- GARCH model and the jump diffusion model with a constant volatility. But the jump diffusion model with a constat volatilit provided much more overvalued results.The rest of the models were even worse. From the rest the IGARCH model is the best but provided undervalued results. All these findings correspond with R squared coefficient.

Keywords

Realizovaná volatilita, MCMC algoritmus, Stochastická volatilita, Předvídání volatility, Jump, diffusion modely

Keywords

Forecasting volatility, MCMC algorithm, Stochastic volatility, Jump diffusion models, Realized volatility

Language used: Czech

Date on which the thesis was submitted / produced: 16. 6. 2015

Thesis defence

• Date of defence: 9. 2. 2017
• Supervisor: Jiří Witzany
• Reader: Milan Fičura

Vysoká škola ekonomická v Praze

Master programme / field:
Finance a účetnictví / Finanční inženýrství