Modele klasy GARCH w empirycznych badaniach finansowych

„W polskim środowisku ekonomicznym praca dra Fiszedera należy wciąż do pionierskich monograficznych książek naukowych poświęconych wykorzystaniu zaawansowanych metod ekonometrii finansowej w badaniach empirycznych. Jej specyfika i nowość jest przy tym bardzo wyraźna; jest nią (po stronie metodycznej) zastosowanie wielu konkurencyjnych modeli wielowymiarowych (MGARCH) oraz (po stronie przedmiotowej) badanie na danych z Giełdy Papierów Wartościowych w Warszawie wielu koncepcji z zakresu finansów, takich jak analiza portfelowa, modele rynku kapitałowego, efekt zarażania, wartość zagrożona [...]. Szczególnie należy podkreślić głębokie powiązanie nowości z obu sfer - metodycznej i przedmiotowej, zwłaszcza nowatorskie zastosowania modeli MGARCH w weryfikacji (dla warszawskiej giełdy) teoretycznych koncepcji finansowych".

Fragm. recenzji wydawniczej prof. zw. drą hab. Jacka Osiewalskiego

„Oryginalny wkład autora obejmuje między innymi:

—  uporządkowanie tematyki dotyczącej różnych specyfikacji  modeli klasy GARCH dostępnych w literaturze, a także sformułowanie uwag na temat możliwości i ograniczeń w zakresie wnioskowania na ich podstawie;
— uporządkowanie zagadnień dotyczących prognozowania zmienności;
— zastosowanie omawianej metodologii w praktyce, zarówno dla celów poznawczych (ekonometria), jak i praktycznych (finanse). Dotyczy to w szczególności wielorównaniowych modeli GARCH w odniesieniu do analizy portfelowej oraz weryfikacji modeli równowagi rynków takich, jak CAPM czy APT;
— szczegółowe rozwiązania dotyczące budowy strategii zabezpieczających. Wyraźnie widoczny jest tutaj rzetelny warsztat naukowy i doskonała znajomość literatury przedmiotu".

Fragm. recenzji wydawniczej dr hab. Magdaleny Osińskiej, prof. UMK

Wstęp /11
Rozdział I. Jednorównaniowe modele GARCH jako narzędzie analizy zmienności procesów finansowych /21
1.1. Stopy zwrotu i ich własności /22
1 .2. Specyfikacje jednorównaniowych modeli GARCH stosowane do opisu finansowych szeregów czasowych /24
1.3. Estymacja parametrów i testy diagnostyczne /32
1.3.1. Estymacja parametrów za pomocą MNW /32
1.3.2. Testy diagnostyczne i wybór modelu /40
1.4. Miejsce i rola modeli GARCH w naukach ekonomicznych /45
1.5. Modelowanie procesów finansowych z długą pamięcią -zastosowanie modeli ARFTMA-FIGARCH /49
1.6. Efekty kalendarzowe /57
1.6.1. Modele GARCH opisujące wahania okresowe /59
1.6.2. Analiza efektu dnia tygodnia oraz wahań sezonowych dla GPW w Warszawie /61
Rozdział II. Wielorównaniowe modele GARCH w analizie zależności między procesami finansowymi /66
2.1. Postacie wielorównaniowych modeli GARCH stosowane do opisu wielowymiarowych finansowych szeregów czasowych /68
2.1.1. Model VECH /69
2.1.2. Model BEKK /72
2.1.3. M odel stałych warunkowych współczynników korelacji /74
2.1.4. Modele DCC /75
2.1.5. Modele czynnikowe /79
2.1.6. Model GARCH-M /83
2.1.7. Grube ogony warunkowego rozkładu wielowymiarowego /84
2.1.8. Inne postacie modeli GARCH /85
2.2. Uwagi o wielorównaniowych parametryzacjach modeli GARCH /88
2.3.  Estymacja parametrów za pomocą MNW /93
2.4.  Testy diagnostyczne /103
2.4. l. Wielowymiarowe testy na występowanie efektu ARCH /106
2.4.2.  Testy stałości współczynników korelacji w wielorównaniowym modelu GARCH /107
2.4.3.  Testy przyczynowości dla wariancji /113
2.5.  Zależności między rynkami akcji na świecie /116
2.5. l. Analiza powiązań między indeksem WIG a wybranymi indeksami rynków akcji na świecie /119
2.6.  Efekt zarażania /128
2.6.1.  Stałość współczynników korelacji /130
2.6.2.  Analiza efektu zarażania dla indeksu WIG /134
Rozdział III. Prognozowanie procesów finansowych /138
3.1.  Prognozowanie poziomu procesu /141
3.2.  Prognozowanie zmienności /143
3.2.1.  Pomiar zmienności /144
3.2.2.  Modele zmienności i metody prognozowania zmienności /152
3.2.3.  Metody oceny trafności prognoz zmienności /165
3.2.4.  Trafność metod prognozowania zmienności na podstawie modeli GARCH w świetle badań empirycznych /172
3.2.5.  Prognozowanie zmienności stóp zwrotu dla GPW w Warszawie /175
3.3.  Prognozowanie macierzy kowariancji stóp zwrotu /210
Rozdział IV. Analiza ryzyka rynkowego - wybrane zagadnienia /219
4.1.  Wprowadzenie /222
4.2.  Prognozowanie wartości zagrożonej /226
4.2. l. Podstawowe metody prognozowania VaR oraz oceny ich trafności /227
4.2.2.  Estymacja VaR z zastosowaniem modeli GARCH /234
4.2.3.  Prognozowanie VaR dla portfela akcji notowanych na GPW w Warszawie /241
4.3.  Estymacja współczynników beta na podstawie dwurównaniowego modelu GARCH /251
4.3.1.  Zastosowanie modelu VAR-GARCH /253
4.3.2.  Uproszczenie budowy portfela /255
4.4.  Oczekiwana stopa zwrotu a ryzyko /259
4.4. l. Zależność między oczekiwaną stopą zwrotu a warunkową wariancją /260
4.4.2. Analiza zależności pomiędzy oczekiwaną stopą zwrotu a ryzykiem dla wybranych spółek i indeksów notowanych na GPW w Warszawie /266
Rozdział V. Teoria portfela i modele rynku kapitałowego /278
5.1.  Model Markowitza dla portfela akcji /282
5.1.1.  Dynamiczny proces budowy portfela z zastosowaniem modeli GARCH /283
5.1.2.  Ocena efektywności konstrukcji portfeli dla trzech spółek /285
5.1.3.  Ocena efektywności konstrukcji portfeli dla dwudziestu spółek /295
5.2.  Model CAMP /303
5.2.1.  Testy modelu CAMP z zastosowaniem wielorównaniowych modeli GARCH /304
5.2.2.  Weryfikacja modeli rCAMP dla GWP w Warszawie /312
5.3.  Model APT /325
5.3.1.  Specyfikacja modelu APT z czynnikowym modelem GARCH /326
5.3.2.  Weryfikacja modelu APT dla GPW w Warszawie /336
Rozdział VI. Instrumenty pochodne - wycena opcji i hedging kontraktami futures /349
6.1. Wycena opcji wystawionych na akcje i indeksy akcji /353
6.1.1. Wycena opcji na podstawie modelu Blacka i Scholesa i jej obciążenia /353
6.1.2.  Wycena opcji dla procesów GARCH  /357
6.1.3.  Wycena opcji wystawionych na indeks WIG20 /363
6.2 Dynamiczne zabezpieczanie portfela przed ryzykiem za pomocą kontraktów terminowych /376
6.2.1.  Metody estymacji współczynnika zabezpieczenia....378
6.2.2.  Ocena efektywności zabezpieczenia dla wybranych portfeli /381
6.2.3.  Analiza własności badanych szeregów a skuteczność zabezpieczania /393
6.2.4.  Zastosowanie danych intraday do oceny efektywności zabezpieczania /398

Zakończenie /402
Literatura /408
Summary/443

Piotr Fiszeder