Моделирование биржевых колебаний в низковолатильные и высоковолатильные периоды
Аннотация
Анализируется моделирование колебаний цен на акции. Применение статистических критериев позволяет сделать выводы о пригодности исследуемых моделей. Наряду с широко известными критериями Колмогорова-Смирнова и Андерсона-Дарлинга применяются критерии Кристофферсона и Берковича, которые были сравнительно недавно разработаны для оценки интервальных прогнозов. Критерий Берковича особенно ценен для оценки экстремальных скачков цен в высоковолатильные периоды, так как он даёт хорошие результаты и в том случае, когда количество наблюдений невелико. Показано, что традиционно применяемые модели временных рядов с нормальным распределением и распределением Стьюдента применимы только в относительно стабильные периоды. В условиях нестабильности на финансовых рынках необходимы модели, с помощью которых можно описать высокую вероятность больших скачков цен. Анализируется модель временного ряда с распределением «с тяжёлыми концами». На основе проведённых расчётов формулируются рекомендации по управлению фондовым портфелем в кризисные периоды.
Список литературы
1. Engle, R. Autoregressive conditional heteroscedasticity with estimates of VaRiance of united kingdom inflation / R. Engle // Econometrica. — 1982. — Vol. 50. — Pp. 987–1008.
2. Bollerslev, T. Generalized autoregressive conditional heteroskedasticity / T. Bollerslev // Journal of Econometrics. — 1986. — Vol. 31. — No. 3. — Pp. 307–327.
3. Engle, R. F. What good is a volatility model? / R. F. Engle, A. Patton // Quantitative Finance. — 2001. — Vol. 50. — Pp. 237–245.
4. Белоусов, С. M. Моделирование волатильности со скачками : применение к российскому и американскому фондовым рынкам / С. М. Белоусов // Квантиль. — 2006. — № 1. — C. 101–110.
5. Kim, Y. S. Tempered stable and tempered infinitely divisible GARCH models / Y. S. Kim et al. // Journal of Banking and Finance. — 2010. — No. 34. — Pp. 2096–2109.
6. Kim, Y. S. The modified tempered stable distribution, GARCH-models and option pricing / Y. S. Kim et al. // Probability and Mathematical Statistics. — 2009. — Vol. 29. — No. 1. — Pp. 91–117.
7. Kim, Y. S. Time series analysis for financial market meltdowns / Y. S. Kim et al. // Journal of Banking and Finance. — 2011. — No. 35. — Pp. 1879–1891.
8. Bianchi, M. L. Tempered infinitely divisible distributions and processes / M. L. Bianchi et al. // Theory of Probability and Its Applications, Society for Industrial and Applied Mathematics. — 2010. — Vol. 55. — No. 1. — Pp. 58–86.
9. Булдашев, С. В. Статистика для трейдеров / С. В. Булдашев. — Москва : Компания Спут-ник, 2003. — 244 c.
10. Christoffersen, P. F. Evaluating interval forecasts / P. F. Christoffersen // International Economic Review. — 1998. — Vol. 39. — No. 4. — Pp. 841–862.
Для цитирования:
Кириллов К.В. Моделирование биржевых колебаний в низковолатильные и высоковолатильные периоды. Вестник Донского государственного технического университета . 2013;13(7-8):5-14. https://doi.org/10.12737/2014
For citation:
Kirillov K.V. STOCK MARKET FLUCTUATIONS SIMULATION WITHIN LOWLY VOLATILE AND HIGHLY VOLATILE PERIODS. Vestnik of Don State Technical University . 2013;13(7-8):5-14. (In Russ.) https://doi.org/10.12737/2014