АНАЛІЗ ТА ПРОГНОЗУВАННЯ ДОХІДНОСТІ АКЦІЙ MICROSOFT ТА PFIZER ЗА ДОПОМОГОЮ ARIMA-GARCH-МОДЕЛЕЙ
DOI:
https://doi.org/10.17721/1728-2667.2023/222-1/10Ключові слова:
ARIMA-GARCH моделі, цінні папери, фінансові часові ряди, акції, фондовий ринок, волатильністьАнотація
Важлива роль акцій як об'єкта інвестування зумовлює потребу в аналізі та прогнозуванні їхніх котирувань. Оскільки за типом даних значення дохідності акцій є часовим рядом, то з притаманними йому сплесками волатильності в окремі періоди це завдання потребує використання спеціальних підходів та моделей. Найбільшою якістю вирізняється мо- делювання за допомогою поєднання ARIMA-GARCH моделей. Застосування економіко-математичного моделювання та економетричного аналізу до часового ряду дохідностей акцій є одним із небагатьох способів якісно відобразити як понятійну – фінансову, так і практичну – математичну складову дослідження. Комплексно проаналізовано дина- міку акцій компаній Microsoft та Pfizer. Побудовано й оцінено різноманітні модифікації економетричних моделей класу ARIMA-GARCH для аналізу дохідності акцій. Емпірично виявлено наявність кластеризації волатильності у фінансових часових рядах та обрано моделі для коректної її апроксимації для компаній Microsoft та Pfizer. Практична цінність дос- лідження полягає в можливості використання результатів цієї роботи для прогнозування дохідності обраних цінних паперів з урахуванням кластеризації волатильності та результатів у прийнятті інвестиційних рішень.
Завантажити
Посилання
Fama E. F. Efficient Capital Markets: A Review of Theory and Empirical Work // The J. of Finance, 1970. Vol. 25(2). Р. 383–417. URL: https://doi.org/10.2307/2325486.
Malkiel B. G. Models Of Stock Market Predictability // The J. of Financial Research, dec. 2004. Vol. 27(4). P. 449–459. URL: https://doi.org/ 10.1111/j.1475-6803.2004.00102.x.
ARIMA-GARCH Model and ARIMA-GARCH Ensemble for Value-at- Risk Prediction on Stocks Portfolio / T. Tarno, D.A.I. Maruddani,
R. Rahmawati et al., 2020. Vol. 10(91). URL: https://doi.org/10.20944/ preprints202010.0191.v1.
Bhowmik R., Wang S. Stock Market Volatility and Return Analysis: A Systematic Literature Review // Entropy (Basel), 2020 May. Vol. 4, № 22(5). P. 522. URL: https://doi.org/10.3390/e22050522.
Wang Y., Xiang Y., Lei X., Zhou Y. Volatility analysis based on GARCH-type models: Evidence from the Chinese stock market // Economic Research-Ekonomska Istraživanja, 2022. Vol. 35. Is. 1. P. 2530–2554. URL: https://doi.org/10.1080/1331677X.2021.1967771.
Allen D. E., Rachim V. S. Dividend policy and stock price volatility: Australian evidence // Applied Financial Economics, 1996. Vol. 6(2). URL: https://doi.org/10.1080/096031096334402.
Sharpe S. A. Reexamining Stock Valuation and Inflation: The Implications of Analysts' Earnings Forecasts // The Review of Economics and Statistics, 2002. Vol. 84, № 4. P. 632–648. URL: https://doi.org/10.1162/ 003465302760556468.
Ghani M., Rahim H. A. Modeling and Forecasting of Volatility using ARMA-GARCH: Case Study on Malaysia Natural Rubber Prices / M. Ghani, H.A. Rahim // IOP Conf. Ser.: Mater. Sci. Eng. , 2019. 548. 012023.
Engle R. F. Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation // Econometrica, 1982. Vol. 50, № 4. P. 987–1007. URL: https://doi.org/10.2307/1912773.
Lundberg S., Terasvirta T. Evaluating GARCH models // J. of Econometrics, 2002. Vol. 110(2). P. 417–435.
Sukono Soeryana E., Simanjuntak A., Santoso A., Ghazali P. L. ARIMA-GARCH Model for Estimation of Value-at-Risk and Expected shortfall of Some Stocks in Indonesian Capital Market // Proceedings of the Internat. Conf. on Industrial Engineering and Operations Management Riyadh, 2019. Saudi Arabia.
Naylor T. H., Seaks T. G., Wichern D. W. Box-Jenkins Methods: An Alternative to Econometric Models // Internat. Statistical Rev. / Revue Internat. de Statistique, 1972. Vol. 40(2). P. 23–137. URL: https://doi.org/ 10.2307/1402755.
Levendis J. Time Series Econometrics: Learning Through Replication // Springer Texts in Business and Economics, 2018. 417 p. URL: https://doi.org/10.1007/978-3-319-98282-3.
Черкашина К. Економетричне моделювання залежності індексу ПФТС від рядів економічних показників // Вісн. Київ. нац. ун-ту імені Та- раса Шевченка. Економіка, 2013. № 12(153). С. 111–116.
Ляшенко О., Кравець Т., Хрущ Л. Застосування пакетів приклад- них програм в економетричному моделюванні фінансових часових рядів // Економіко-математичне моделювання соціально-економічних систем, 2017. Вип. 22. С. 33–60.
Xiang Y. Using ARIMA-GARCH Model to Analyze Fluctuation Law of International Oil Price // Math. Problems in Eng., 2022. Vol. 2022, Art. ID 3936414. 7 p. URL: https://doi.org/10.1155/2022/3936414.
Dritsaki C. The Performance of Hybrid ARIMA-GARCH Modeling and Forecasting Oil Price // Internat. J. of Energy Economics and Policy, 2018. Vol. 8. № 3. P. 14–21.
Rjumohan A. Stock Markets: An Overview and A Literature Review // MPRA Paper, 2019. № 101855.
Setiawan S. A. Does Macroeconomic Condition Matter for Stock Market? Evidence of Indonesia Stock Market Performance for 21 Years // The Indonesian J. of Development Planning, 2020. Vol. 4 (1). URL: https://doi.org/ 10.36574/jpp.v411.105.
Hussain S., Bhanu Murthy K.V., Singh A.K. Stock Market Volatility: A Review of the Empirical Literature // IUJ J. of Management, 2019. Vol. 7(01).
Lochowski R. M., Volatility – how to Define It and how to Compute it // 55th SAMS Annual Meeting, 2020. URL: http://web.sgh.waw.pl/~rlocho/ Volatility.pdf.
Boertje B., Garretsen H., Volatility, fundamentals and economic policy // BIS Conf. Papers, 1996. Vol. 1. P. 169–179. URL: https://www.bis.org/ publ/confp01.htm.
Lambert E. Why Are Financial Markets So Volatile? // Chicago Booth Rev., 2022. URL: https://www.chicagobooth.edu/review/why-are-financial- markets-so-volatile.
Aizenmann J., Pinto B. Managing Economic Volatility and Crises: A Practitioner's Guide // Cambridge University Press, 2006. URL: https://doi.org/ 10.1017/CBO9780511510755.
Krauskopf L. Explainer: Why the U.S. stock market is tumbling in 2022 // Reuters, 2022. URL: https://www.reuters.com/business/finance/why- us-stock-market-is-tumbling-2022-2022-05-11/.
Box G.E.P., Jenkins G.M. Time Series Analysis. Forecasting and Control. San Francisco : Holden-Day, 1976. 575 p.
Черняк О.І., Ставицький А.В., Баженова О.В., Шебаніна О.В. Еко- нометрика : підручник. 2-ге вид., перероб. та доп. / За ред. О.І. Черняка. Миколаїв, 2014. 414 с.
Abdullah S.M., Siddiqua S., Siddiquee M.S.H., Hossain N. Modeling and forecasting exchange rate volatility in Bangladesh using GARCH models: a comparison based on normal and Student's t-error distribution // Financ. Innov., 2017. Vol. 3, № 18. URL: https://doi.org/10.1186/s40854- 017-0071-z.
Pedersen J.H. ARMA(1,1)-GARCH(1,1) Estimation and forecast using rugarch. 2013. URL: https://stat.ethz.ch/pipermail/r-sigfinance/ attachments/20130608/91b6cb9d/attachment.pdf.
Levendis J.D. Time Series Econometrics. Learning Through Replication. Springer Texts in Business and Economics, Springer, 978-3-319- 98282-3, 2018. URL: https://doi.org/10.1007/978-3-319-98282-3.
Boudt K. GARCH Models in R // DataCamp. URL: https://s3.amazonaws.com/assets.datacamp.com/production/course_9628/s lides/chapter1.pdf
Stehlíková B. Modelling volatility – ARCH and GARCH models. Time series analysis. URL: http://www.iam.fmph.uniba.sk/institute/stehlikova/ts16/ lectures/7_garch.pdf
Bollerslev T. Generalized autoregressive conditional heteroskedasticity // J. of Econometrics, 1986. Vol. 31(3). P. 307–327. URL: https://doi.org/ 10.1016/0304-4076(86)90063-1.
Bollerslev T. A Conditionally Heteroskedastic Time Series Model for Speculative Prices and Rates of Return // The Review of Economics and Statistics, 1987. Vol. 69, № 3. P. 542–547. URL: https://doi.org/10.2307/ 1925546.
Brownlees C., Engle R., Kelly B. A Practical Guide to Volatility Forecasting through Calm and Storm / C. Brownlees, R. Engle, B. Kelly // The Journal of Risk, 2011. Vol. 14, № 2. P. 3–22.
Kumar H.P., Patil B.S. Volatility forecasting – a performance measure of GARCH techniques with different distribution models // International J. of Soft Computing, Mathematics and Control (IJSCMC), 2016. Vol. 5, №. 2/3. URL: https://doi.org/10.14810/ijscmc.2016.5301.
Jiang W. Using the GARCH model to analyze and predict the different stock markets // Uppsala University, 2012. URL: https://www.divaportal.org/ smash/get/diva2:576215/FULLTEXT02.pdf.
GARCH-modeling Diagnostic Tests. URL: https://logicalerrors.wordpress.com/2017/08/14/garch-modeling-conditional- varianceuseful-diagnostic-tests/.
Ozdemir O. ARCH-GARCH Tutorial with rugarch package. URL: http://users.metu.edu.tr/ozancan/ARCHGARCHTutorial.html.
Ruppert D. GARCH Analysis and Forecasting // Statistics and Data Analysis for Financial Engineering, 2018. URL: https://faculty.washington.edu/ ezivot/econ589/ch18-garch.pdf.
Jiang W. Modeling and predicting of different stock markets with GARCH model. 2012. URL: https://www.diva-portal.org/smash/get/diva2:533129/ FULLTEXT01.pdf.
Naika N., Mohana B.R., Jhaa R.A. GARCH Model Identification for Stock Crises Events // Procedia Computer Sci., 2020. Vol. 171. P. 1742– 1749. URL: https://doi.org/10.1016/j.procs.2020.04.187.
Li E. R. Applications of asymmetric GARCH model with conditional distributions: the empirical case of the NASDAQ computer index's daily closing returns // Lambert Academia Publishing, 2012. 52 p.
Naika N., Mohana B. R., Jhaa R. A. GARCH-Model Identification based on Performance of Information Criteria // Procedia Computer Sci., 2020. Vol. 171. P. 1935–1942. URL: https://doi.org/10.1016/j.procs. 2020.04.207.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution-NonCommercial 4.0 International License.
Ознайомтеся з політикою за посиланням: https://econom.bulletin.knu.ua/copyright
