Souvislost volatility akciových kurzů a pozice ekonomiky v hospodářském cyklu

Soňa Poláková

Doctoral thesis

The Connection Between Stock Market Volatility and a Position of Economy in a Business Cycle

Abstract:

Cílem této disertační práce bylo prokázání nebo vyvrácení hypotézy o existenci vztahů mezi akciovými trhy zasaženými všudypřítomnou volatilitou a reálnou ekonomikou USA, Německa, Velké Británie a Japonska. Analytickým nástrojem, který byl pro tuto práci využit, byl model založený na aplikaci umělých neuronových sítí. Analýzou dílčích vztahů v období od počátku r. 2000 do října r. 2014 byla prokázána existence silného jednosměrného vztahu mezi akciovými trhy (zastoupenými hlavními akciovými indexy) a příslušnou reálnou ekonomikou. Tyto vztahy byly nejkvalitněji prokázány na americkém a britském trhu. Akciový index S&P 500, FTSE a indikátor VIX dokázaly pomoci správně predikovat budoucí vývoj reálné ekonomiky USA a Velké Británie na následujících šest až devět měsíců, a to s úspěšností 71% až 86%. Umělé neuronové sítě prokázaly schopnost predikcí vybraných finančních časových řad s nadprůměrnou kvalitou, a to jak v období konjunktury, tak v období recese, které byly v obou případech ve sledovaném období zastoupeny.

Abstract:

Finding significant relation between stock markets (including omnipresent volatility) and real economy of the US, Germany, Great Britain and Japan is the main aim of this thessis. If not found it is also the final conclusion. By means of time series analysis using artificial neural networks from the beginning of 2000 till the November of 2014 was proved that the strong single -- way relation between prime stock indices and GDP of chosen economies does exist. Highest quality of prediction was proved on the American and British economy. S&P 500, FTSE and VIX indicator made a precise prediction of future economic progress in the US and Great Britain for six to nine months ahead with 71% to 86% accuracy. The artificial neural networks proved an extraordinary ability to predict chosen financial time series regardless the actual position in a business cycle.

Keywords

neuronové sítě, predikce časových řad, akciové trhy

Keywords

artificial neural networks, time series prediction, stock markets

Language used: Czech

Date on which the thesis was submitted / produced: 21. 9. 2014

Thesis defence

• Date of defence: 29. 5. 2015
• Supervisor: Jitka Veselá
• Reader: Tomáš Krabec, Štěpán Onder

Vysoká škola ekonomická v Praze

Doctoral programme / field:
Finance a účetnictví / Finance