III. 2. Forecasting exchange rates - b) GARCH simulation

Zhrnutie prednášky

Prednáška nadväzuje na lineárny trend a ukazuje, ako pomocou GARCH simulácie vytvoriť viacero možných scenárov vývoja výmenného kurzu. GARCH modely vychádzajú z toho, že aktuálna volatilita závisí od minulej volatility a od náhodných šokov. V MATLABe sa na týždenných dátach kurzu maďarského forintu voči českej korune odhaduje model APARCH pomocou toolboxu Kevina Sheppardea, pričom sa nastavujú parametre P, O, Q a typ rozdelenia chýb. Porovnaním informačných kritérií sa normálne rozdelenie nahradilo šikmým Studentovým rozdelením, ktoré model vystihuje lepšie. Následne sa simuluje 52 týždňov dopredu a opakovaním simulácie 100-krát vzniká súbor scenárSov, ktorý ukazuje rozptyl možných budúcich kurzov.

• - GARCH modeluje súčasnú volatilitu ako funkciu minulej volatility a náhodných šokov.
• - APARCH je jeden z najsofistikovanejších GARCH modelov a zachytáva asymetriu (pokles cien zvyšuje volatilitu viac ako rast).
• - Parametre P, O, Q určujú počet šokov, asymetrických členov a minulých volatilít; error type určuje rozdelenie šokov (normálne, Studentovo, šikmé).
• - Kvalitu modelu porovnávame informačnými kritériami, pričom nižšia hodnota znamená lepšie prispôsobenie; šikmé t-rozdelenie dopadlo lepšie ako normálne.
• - Odhad v MATLABe sa robí cez Sheppardov MFE toolbox (funkcia aparch), výstupom sú parametre, log-likelihood a podmienená smerodajná odchýlka.
• - Jedna simulácia na 52 týždňov dáva len jeden možný scenár, preto sa simulácia opakuje 100-krát.
• - Simulované scenáre ukazujú rozsah možných výsledkov a potvrdzujú smer lineárneho trendu (posilnenie forintu), aj keď existujú aj opačné scenáre.

Zhrnutie pripravené s pomocou AI z prepisu videa.