I. 4. Feltételes szórás: GARCH modellek - c. Illesztés Matlabban (3)
Preber si túto prednášku so svojou AI
Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.
Zhrnutie prednášky
Prednáška uzatvára praktickú časť o odhade GARCH modelov v Matlabe a porovnáva viaceré modely pre akciové indexy. Pomocou cyklu a príkazu find sa pre každý index vyberie model s minimálnou hodnotou informačného kritéria a z neho sa uložia parametre a podmienená smerodajná odchýlka. Skript beží niekoľko minút a vybrané boli modely 6, 2, 10 a 22, medzi nimi aj asymetrické typy ako GJR-GARCH. Odhady ukazujú pomerne symetrické modely, parameter beta okolo 90 % (silná perzistencia volatility) a počet stupňov voľnosti t-rozdelenia mierne nad hranicou normality. Graf podmienenej volatility ukazuje skoky počas krízy 2008, európskej dlhovej krízy a korekcie v máji 2006, pričom rozvinuté trhy kolíšu menej ako rozvíjajúce sa.
- - Najlepší model sa vyberá minimom informačného kritéria pomocou príkazu find namiesto ručného cyklu.
- - Pred spustením cyklu treba premenné a matice vynulovať, aby sa predišlo konfliktom s predchádzajúcimi behmi.
- - Vybrané boli modely 6, 2, 10 a 22, vrátane asymetrického GJR-GARCH modelu.
- - Parameter beta je okolo 90 %, čo znamená výraznú perzistenciu volatility.
- - Stupne voľnosti t-rozdelenia sú len mierne nad hodnotou zodpovedajúcou normalite, preto je normálne rozdelenie chýb problematické, napríklad pri oceňovaní opcií.
- - Podmienená volatilita prudko vzrástla v septembri 2008 a doznievala asi rok; nasledovala dlhová kríza a korekcia v roku 2006.
- - Rozvinuté trhy (DAX, Dow Jones) kolíšu menej než rozvíjajúce sa, ako napríklad BUX.
Zhrnutie pripravené s pomocou AI z prepisu videa.
nechodím na prednášky