• Journal of Information Technology Applications and Management
• /
• 제25권4호
• /
• pp.157-169
• /
• 2018

The purpose of this study was to examine the volatility of bitcoin, diagnose if bitcoin are a systematic risk asset, and evaluate their effectiveness by estimating market beta representing systematic risk using GARCH (Generalized Auto Regressive Conditional Heteroskedastieity) model. First, the empirical results showed that the market beta of Bitcoin using the OLS model was estimated at 0.7745. Second, using GARCH (1, 2) model, the market beta of Bitcoin was estimated to be significant, and the effects of ARCH and GARCH were found to be significant over time, resulting in conditional volatility. Third, the estimated market beta of the GARCH (1, 2), AR (1)-GARCH (1), and MA (1)-GARCH (1, 2) models were also less than 1 at 0.8819, 0.8835, and 0.8775 respectively, showing that there is no systematic risk. Finally, in terms of efficiency, GARCH model was more efficient because the standard error of a market beta was less than that of the OLS model. Among the GARCH models, the MA (1)-GARCH (1, 2) model considering non-simultaneous transactions was estimated to be the most appropriate model.

• Journal of the Korean Data and Information Science Society
• /
• 제21권5호
• /
• pp.831-839
• /
• 2010

최소제곱 서포트벡터기계는 비선형회귀분석과 분류에 널리 쓰이는 커널기법이다. 본 논문에서는 금융시계열자료의 평균 및 변동성을 추정하기 위하여 평균의 추정 방법으로는 가중최소제곱 서포트벡터기계, 변동성의 추정 방법으로는 최소제곱 서포트벡터기계를 사용하는 비선형 평균 일반화 이분산 자기회귀모형을 제안한다. 제안된 모형은 선형 일반화 이분산 자기회귀모형 및 선형 평균 일반화 이분산 자기회귀모형보다 더 나은 추정 능력을 가진다는 것을 실제자료의 추정을 통하여 보였다.

• 응용통계연구
• /
• 제24권6호
• /
• pp.1033-1043
• /
• 2011

본 논문에서는 KOSPI지수와 원-달러 환율의 로그수익률을 사용하여 비대칭 이분산성에 대해 연구한다. 커널 density plot과 상승기와 하강기의 평균, 분산을 검토하여 이들 시계열의 변동의 비대칭성에 대한 윤곽을 파악하고 GARCH군의 여러 비대칭 모형을 적합하여 비대칭성을 실증적으로 파악한다. 또한 최종선택 모형인 EGARCH 모형을 바탕으로 부트스트래핑을 사용하여 미래 시점의 변동성인 조건부 분산의 기대치를 예측하고 예측표준오차를 구해본다.

• Communications for Statistical Applications and Methods
• /
• 제22권5호
• /
• pp.495-506
• /
• 2015

Volatility is a variation measure in finance for returns of a financial instrument over time. GARCH models have been a popular tool to analyze volatility of financial time series data since Bollerslev (1986) and it is said that volatility is highly persistent when the sum of the estimated coefficients of the squared lagged returns and the lagged conditional variance terms in GARCH models is close to 1. Regarding persistence, numerous methods have been proposed to test if such persistency is due to volatility shifts in the market or natural fluctuation explained by stationary long-range dependence (LRD). Recently, Lee et al. (2015) proposed a residual-based cumulative sum (CUSUM) test statistic to test volatility shifts in GARCH models against LRD. We propose a bootstrap-based approach for the residual-based test and compare the sizes and powers of our bootstrap-based CUSUM test with the one in Lee et al. (2015) through simulation studies.

• 무역학회지
• /
• 제47권3호
• /
• pp.211-232
• /
• 2022

Due to the impact of the public health event COVID-19 epidemic, the Chinese futures market showed "Black Swan". This has brought the unpredictable into the economic environment with many commodities falling by the daily limit, while gold performed well and closed in the sunshine(Yan-Li and Rui Qian-Wang, 2020). Volatility is integral part of financial market. As an emerging market and a special precious metal, it is important to forecast return of gold futures price. This study selected data of the SHFE gold futures returns and conducted an empirical analysis based on the generalised autoregressive conditional heteroskedasticity (GARCH)-type model. Comparing the statistics of AIC, SC and H-QC, ARMA (12,9) model was selected as the best model. But serial correlation in the squared returns suggests conditional heteroskedasticity. Next part we established the autoregressive moving average ARMA-GARCH-type model to analysis whether Volatility Clustering and the leverage effect exist in the Chinese gold futures market. we consider three different distributions of innovation to explain fat-tailed features of financial returns. Additionally, the error degree and prediction results of different models were evaluated in terms of mean squared error (MSE), mean absolute error (MAE), Theil inequality coefficient(TIC) and root mean-squared error (RMSE). The results show that the ARMA(12,9)-TGARCH(2,2) model under Student's t-distribution outperforms other models when predicting the Chinese gold futures return series.

• 자원ㆍ환경경제연구
• /
• 제13권2호
• /
• pp.175-194
• /
• 2004

본 논문은 예상하지 못한 뉴스충격이 유가의 변동성에 미치는 영향이 비대칭임을 밝힘과 더불어 유가의 변동성을 가장 정확히 추정할 수 있는 변동성모형을 결정하는데 연구의 목적을 둔다. 여기에는 GARCH모형, EGARCH모형, AGARCH모형, GJR모형과 같은 네 가지 변동성모형이 이용된다. 변동성모형을 선정하기에 앞서 부호편의검정과 규모편의검정을 통해 모형의 설정오류를 조사한 후, GARCH모형은 비대칭효과를 보이는 AGARCH모형과 GJR모형에 비해 나쁜 뉴스에 대해서는 과소평가를, 좋은 뉴스에 대해서는 과대평가를 하는 경향이 있음을 보인다. 그리고 EGARCH모형은 GARCH모형, GJR모형, AGARCH모형에 비해 좋은 뉴스와 나쁜 뉴스에 대해 조건부 분산을 지나치게 높거나 낮게 평가하며, 특히 나쁜 뉴스에 대해서는 이해하기 어려울 정도로 높게 평가함을 보인다. 또한 AGARCH모형은 GARCH모형보다 나쁜 뉴스를 낮게 평가하며, EGARCH모형은 GARCH모형보다 좋은 뉴스를 높게 평가하기 때문에 유가의 변동성을 설명하는 데 GJR모형이 적합함을 밝힌다.

• 응용통계연구
• /
• 제28권5호
• /
• pp.1013-1024
• /
• 2015

본 논문에서는 다변량 DCC(dynamic conditional correlation) GARCH 모형에서 동태적 상관계수를 추정하기 위한 대표적 방법인 쌍별 추정법과 다차원 추정법의 효율성을 비교한다. 이를 위하여 금융 시장의 변동성을 반영하는 다변량 시계열을 생성하고 이에 대한 DCC GARCH 모형을 수립 및 추정하는 시뮬레이션을 실시하였다. 또한 KOSPI 200 섹터지수를 이용하여 포트폴리오를 구성하고 이의 변동성 추정 및 VaR 계산을 통하여 동태적 상관계수 추정에 대한 정확성을 평가하였다. 그 결과로서, 전반적으로 다차원 추정법이 쌍별 추정법보다 우수함을 발견하였다. 특히, 다차원 추정법에서 상대적으로 상관관계가 낮은 시계열을 추가할수록 쌍별 시계열에 대한 동태적 상관계수 추정의 정확성을 높여줌을 발견하였다.

• 응용통계연구
• /
• 제36권4호
• /
• pp.295-307
• /
• 2023

HAR 모형은 간단한 선형 모형으로 실현 변동성의 장기기억성을 비교적 잘 설명할 수 있어 널리 쓰이고 있다. 하지만, 실현 변동성은 조건부 이분산성, 레버리지 효과, 변동성 집중 등과 같은 복잡한 특징을 보이고 있기에 단순 HAR 모형을 확장할 필요가 있다. 따라서 본 연구는 조건부 이분산성을 설명하는 GARCH 모형에 임계값에 따라 계수가 달라지는 비선형 모형인 임계 HAR 모형(THAR-GARCH)을 제안하고 그 추정 방법 및 예측 성능에 대해서 살펴보고자 한다. 보다 구체적으로 오차항의 등분산 가정을 벗어났기 때문에 모형의 계수를 추정하기 위해서 반복적인 가중최소제곱추정법을 제안하고 모의실험을 통해 일치성을 보였다. 또한 전세계 21개의 주요 주가 지수의 실현 변동성에 대한 예측 오차를 비교함으로써 제안한 GARCH 오차를 가지는 임계 HAR 모형이 일반적으로 더 우수한 예측력을 보임을 확인하였다.

• The Journal of Asian Finance, Economics and Business
• /
• 제9권7호
• /
• pp.1-15
• /
• 2022

Combining the strength of both Mixed Data Sampling (MIDAS) Regression and realized variance measures, this paper seeks to investigate two objectives: (1) evaluate the post-sample performance of the proposed weekly Realized Variance-MIDAS (RVar-MIDAS) in one-week ahead volatility forecasting against the established Generalized Autoregressive Conditional Heteroskedasticity (GARCH) model and the less explored but robust STES (Smooth Transition Exponential Smoothing) methods. (2) comparing forecast error performance between realized variance and squared residuals measures as a proxy for actual volatility. Data of seven private equity mutual fund indices (generated from 57 individual funds) from two different time periods (with and without financial crisis) are applied to 21 models. Robustness of the post-sample volatility forecasting of all models is validated by the Model Confidence Set (MCS) Procedures and revealed: (1) The weekly RVar-MIDAS model emerged as the best model, outperformed the robust DAILY-STES methods, and the weekly DAILY-GARCH models, particularly during a volatile period. (2) models with realized variance measured in estimation and as a proxy for actual volatility outperformed those using squared residual. This study contributes an empirical approach to one-week ahead volatility forecasting of mutual funds return, which is less explored in past literature on financial volatility forecasting compared to stocks volatility.

• Communications for Statistical Applications and Methods
• /
• 제31권5호
• /
• pp.535-556
• /
• 2024

Measuring stock market volatility and its determinants is critical for stock market participants, as volatility spillover effects affect corporate performance. This study adopted a novel approach to analysing and implementing GARCH-MIDAS modelling methods. The classical GARCH as a benchmark and the univariate GARCH-MIDAS framework are the GARCH family models whose forecasting outcomes are examined. The outcome of GARCH-MIDAS analyses suggests that inflation, interest rate, exchange rate, and oil price are significant determinants of the volatility of the Johannesburg Stock Market All Share Index. While for Nigeria, the volatility reacts significantly to the exchange rate and oil price. Furthermore, inflation, exchange rate, interest rate, and oil price significantly influence Ghanaian equity volatility, especially for the long-term volatility component. The significant shock of the oil price and exchange rate to volatility is present in all three markets using the generalized autoregressive conditional heteroscedastic-mixed data sampling (GARCH-MIDAS) framework. The GARCH-MIDAS, with a powerful fusion of the GARCH model's volatility-capturing capabilities and the MIDAS approach's ability to handle mixed-frequency data, predicts the volatility for all variables better than the traditional GARCH framework. Incorporating these two techniques provides an innovative and comprehensive approach to modelling stock returns, making it an extremely useful tool for researchers, financial analysts, and investors.