10. eloszlások, VaR, VaR-GARCH, fedezés
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 ukazuje v MATLABe prácu s logaritmickými zmenami (výnosmi) výmenného kurzu českej koruny a forintu a hľadanie vhodného rozdelenia pre tieto dáta. Histogram odhaľuje, že normálne rozdelenie podhodnocuje hrubé chvosty a extrémne pohyby, preto sa porovnávajú Paretovo, Weibullovo a zovšeobecnené rozdelenie extrémnych hodnôt (GEV), ktoré chvosty modeluje najlepšie. Weibull vyžaduje kladné hodnoty, takže sa kladné a záporné zmeny fitujú osobitne. Druhá časť zavádza Value at Risk (VaR) na 5 % hladine, pomocou ktorého sa extrémne dni identifikujú a z radu odstránia; zhluky extrémov sa viažu na krízu okolo roku 2008. Očistený rad už vyzerá takmer normálne a nakoniec sa nadhadzuje otázka presnejšieho odhadu VaR.
- - Logaritmické zmeny kurzu CZK/HUF majú striedanie pokojných období a prudkých výkyvov.
- - Normálne rozdelenie nepostihuje hrubé chvosty, extrémne pohyby sú častejšie, než predpokladá.
- - Zovšeobecnené rozdelenie extrémnych hodnôt (GEV) a Paretovo rozdelenie opisujú chvosty lepšie než normálne.
- - Weibullovo rozdelenie vyžaduje kladné hodnoty, preto sa kladné a záporné zmeny fitujú osobitne.
- - Value at Risk (5 %) označuje extrémne dni; tie sa zhlukujú najmä v období krízy 2008.
- - Po odstránení extrémov sa rad podobá normálnemu rozdeleniu, ale trhové šoky vytvárajú ďalšie výchylky.
- - Parametre rozdelení (napr. μ a σ pri normálnom, k pri GEV) sa dajú využiť aj na simuláciu podobných radov.
Zhrnutie pripravené s pomocou AI z prepisu videa.
nechodím na prednášky