Ökonometria PhD 04 - extrém értékek, Matlab

Zhrnutie prednášky

Prednáška sa venuje detekcii extrémnych hodnôt a pohybov na finančných trhoch. Extrémne udalosti sú definované ako zriedkavé, s malou pravdepodobnosťou, no s veľkým dopadom; dáta sa delia na normálnu a extrémnu množinu (zhruba 5 % na okrajoch rozdelenia). Porovnávajú sa parametrické a neparametrické prístupy: hierarchické zhlukovanie na báze euklidovských vzdialeností (presné, ale pamäťovo a časovo mimoriadne náročné, použiteľné skôr na outliery než na časové rady), Value at Risk s normálnym rozdelením a podmienenou smerodajnou odchýlkou z GARCH modelu (prahy 1,65 pre 5 % a 2,326 pre 1 %) a metóda založená na kvantil-kvantilovom grafe, ktorá je najrýchlejšia a bez predpokladov o rozdelení. Na záver sa začína skúmať Hodrick-Prescottov filter, ktorý sa v tomto kontexte ukázal ako nevhodný.

• - Extrémne udalosti sú zriedkavé, ale s veľkým dopadom; ich vymedzenie je len približné.
• - Dáta sa rozdeľujú na normálnu a extrémnu množinu, extrémy tvoria zhruba 5 % na okrajoch rozdelenia.
• - Hierarchické zhlukovanie sa opakuje, kým kurtóza hlavného zhluku neklesne k hodnote 3, no je extrémne náročné na pamäť a čas.
• - Value at Risk s GARCH podmienenou odchýlkou dáva dynamický prah: 1,65 pre 5 % a 2,326 pre 1 % pravdepodobnosť.
• - Metóda založená na QQ-grafe označí za extrém bod, kde empirické rozdelenie prekročí normálne; je najrýchlejšia a najpresnejšia.
• - Odstránenie extrémov často približuje rozdelenie výnosov normálnemu.
• - Hodrick-Prescottov filter, použitý na odfiltrovanie extrémov, sa v praxi ukázal ako neúspešný.

Zhrnutie pripravené s pomocou AI z prepisu videa.