Bayesowska analiza modeli acd: specyfikacje, założenia I wyniki empiryczne Streszczenie



Pobieranie 8.89 Kb.
Data30.04.2016
Rozmiar8.89 Kb.
Mgr Roman Huptas

Katedra Statystyki

Uniwersytet Ekonomiczny w Krakowie

Bayesowska analiza modeli ACD: specyfikacje, założenia i wyniki empiryczne

Streszczenie

Empiryczne badania efektów mikrostruktury rynku finansowego wymagają danych o bardzo wysokiej częstotliwości – najlepiej danych o ultra-wysokiej częstotliwości. „Dane finansowe o ultra-wysokiej częstotliwości” (ang. ultra-high-frequency data, UHF data), inaczej „dane transakcyjne” lub „dane tikowe” (ang. tick-by-tick data) to szeregi czasowe zbudowane z charakterystyk zdarzeń procesu transakcyjnego z przyporządkowanym dokładnym czasem ich pojawienia się. Jedną z najważniejszych cech danych finansowych o ultra-wysokiej częstotliwości jest nieregularne rozmieszczenie obserwacji względem jednostek czasu. Odstępy czasu między kolejnymi transakcjami (czasy trwania, ang. durations) mogą nieść istotną treść dotyczącą intensywności procesu napływu informacji na rynek. W ostatnich latach duże znaczenie w modelowaniu czasów trwania pomiędzy wybranymi zdarzeniami procesu transakcyjnego (np. odstępów czasu między transakcjami, czasów trwania dla cen transakcyjnych) i modelowaniu efektów mikrostruktury rynku finansowego zdobyły modele autoregresyjnego warunkowego czasu trwania (ang. Autoregressive Conditional Duration models, the ACD models).

Celem referatu jest zaprezentowanie wybranych specyfikacji modeli autoregresyjnego warunkowego czasu trwania oraz przedstawienie i praktyczne wykorzystanie wnioskowania bayesowskiego do estymacji i predykcji modeli ACD opisujących obserwowane finansowe szeregi czasowe o ultra-wysokiej częstotliwości. W referacie zostaną rozważone i porównane różne modele ACD ze szczególnym uwzględnieniem specyfikacji logarytmicznych i asymetrycznych. Dodatkowo będą rozważane różne rozkłady czynnika losowego (rozkład Burra i rozkład uogólniony gamma) w analizowanych modelach ACD. Do wyznaczenia brzegowych rozkładów a posteriori parametrów modeli wykorzystano metody Monte Carlo oparte na łańcuchach Markowa. W celu porównania modeli i wyboru najlepszego z nich zastosowano metodę bayesowskiego porównania konkurencyjnych modeli. Część empiryczna pracy obejmuje modelowanie intensywności transakcyjnej spółek pochodzących z GPW S.A. w Warszawie.

Cel badawczy:

Opracowanie i zastosowanie podejścia bayesowskiego do estymacji, predykcji oraz testowania mocy wyjaśniającej modeli autoregresyjnego warunkowego czasu trwania (ACD), a następnie zastosowanie zaproponowanej metodologii do analizy wybranych szeregów czasowych pochodzących z GPW S.A. w Warszawie.



Główne hipotezy badawcze:

  • Dynamika zjawisk finansowych na polskim rynku akcji może być dobrze opisywana za pomocą punktowych procesów losowych, przy czym adekwatnym narzędziem analizy danych o ultra-wysokiej częstotliwości są bayesowskie modele autoregresyjnego warunkowego czasu trwania (ACD).

  • Rozszerzone specyfikacje modelu ACD lepiej modelują dane niż podstawowy model ACD.

Metody weryfikacji hipotez:

Bayesowskie porównanie modeli z wykorzystaniem estymatora Newtona i Raftery’ego.



Związki ze światowymi nurtami badań:

Modele ACD są obecnie podstawowym narzędziem ekonometrycznym wykorzystywanym do analizy intensywności transakcyjnej spółek oraz badania efektów mikrostruktury rynku. Analizy danych finansowych UHF z wykorzystaniem modeli ACD są prowadzone na świecie od końca lat dziewięćdziesiątych XX wieku np.: Engle i Russel (1998), Engle (2000), Bauwens i Giot (2000), Dufour i Engle (2000), Grammig i Maurer (2000), Lunde (2000), Hautsch (2001), Bauwens i Giot (2003), Hautsch (2004), Bauwens, Giot, Grammig i Veredas (2004), Fernandes i Grammig (2006) i in. Mimo, że w literaturze światowej modele te mają już ugruntowaną pozycję, to w Polsce obserwuje się nieliczne prace z zakresu ich zastosowań, zob. Bień (2004), Doman (2005), Doman (2006), Bień (2006a), Bień (2006b), Doman (2011). W literaturze przedmiotu brak prac poświęconych wnioskowaniu bayesowskiemu dla całej rodziny modeli ACD.



Uzyskane dotąd rezultaty:

Opracowanie metod wnioskowania bayesowskiego dla podstawowych i logarytmicznych specyfikacji modeli ACD.



Nierozwiązane problemy badawcze:

Bayesowska analiza modeli ACV, rozszerzonych modeli typu ACD-GARCH oraz modelu Manganellego.



Obszary i możliwości zastosowań w praktyce gospodarczej:

  • Modelowanie danych finansowych o ultra-wysokiej częstotliwości.

  • Modelowanie efektów mikrostruktury rynku z wykorzystaniem modeli ACD.

  • Analiza zależności pomiędzy zmiennością, wolumenem transakcyjnym i czasem trwania ceny transakcyjnej.





©absta.pl 2019
wyślij wiadomość

    Strona główna