Foreign exchange risk, FX rate analysis - case study 06

Zdroj
ručne priradené
Pridané

Pozrieť na YouTube →

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.

Otvoriť AI: ChatGPT · Claude · Gemini

Zhrnutie prednášky

Prednáška sa venuje riziku výmenných kurzov a analýze efektívnosti devízových trhov na príklade kurzu EUR/USD za posledných 20 rokov. Kurz sa správa cyklicky, približne raz za desaťročie nastáva silná apreciácia dolára, no na rozdiel od rozvíjajúcich sa mien nemá dlhodobý trend a pohybuje sa v rozmedzí zhruba 0,9 až 1,4. Lektor definuje dve typické anomálie voči hypotéze efektívnych trhov: autokoreláciu výnosov, ktorá narúša slabú efektívnosť, a hrubé chvosty rozdelenia (špicatosť výrazne nad 3) spôsobené krízami a náhlymi depreciáciami. V MATLABe na týdenných dátach šiestich mien počíta logaritmické výnosy a nástrojom Distribution Fitter porovnáva ich rozdelenia. Zistenia ukazujú, že mená nie sú normálne rozdelené, ale devízové trhy sú stále bližšie k efektívnosti než akcie či riadené úrokové sadzby.

  • - Kurz EUR/USD kolíše cyklicky bez dlhodobého trendu, na rozdiel od rozvíjajúcich sa mien.
  • - Autokorelácia výnosov je anomália, ktorá narúša slabú formu efektívnosti trhu.
  • - Hrubé chvosty (špicatosť výrazne nad 3) znamenajú viac extrémnych pohybov, než predpokladá normálne rozdelenie.
  • - Logaritmické výnosy odstraňujú problém rôznych mierok mien; na úrokové sadzby, ktoré môžu byť záporné, logaritmus nemožno použiť.
  • - Rozdelenia výnosov rôznych mien sa líšia a ani EUR/USD nie je spravidla normálne rozdelený.
  • - Devízové trhy sa hypotéze efektívnosti približujú viac ako akciové trhy a riadené úrokové sadzby.

Zhrnutie pripravené s pomocou AI z prepisu videa.