GARCH models, tail indexes and error distributions: An empirical investigation
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11230%2F16%3A10325682" target="_blank" >RIV/00216208:11230/16:10325682 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1016/j.najef.2016.03.006" target="_blank" >http://dx.doi.org/10.1016/j.najef.2016.03.006</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.najef.2016.03.006" target="_blank" >10.1016/j.najef.2016.03.006</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
GARCH models, tail indexes and error distributions: An empirical investigation
Popis výsledku v původním jazyce
We perform a large simulation study to examine the extent to which various generalized autoregressive conditional heteroskedasticity (GARCH) models capture extreme events in stock market returns. We estimate Hill's tail indexes for individual S&P 500 stock market returns and compare these to the tail indexes produced by simulating GARCH models. Our results suggest that actual and simulated values differ greatly for GARCH models with normal conditional distributions, which underestimate the tail risk. By contrast, the GARCH models with Student's t conditional distributions capture the tail shape more accurately, with GARCH and GJR-GARCH being the top performers.
Název v anglickém jazyce
GARCH models, tail indexes and error distributions: An empirical investigation
Popis výsledku anglicky
We perform a large simulation study to examine the extent to which various generalized autoregressive conditional heteroskedasticity (GARCH) models capture extreme events in stock market returns. We estimate Hill's tail indexes for individual S&P 500 stock market returns and compare these to the tail indexes produced by simulating GARCH models. Our results suggest that actual and simulated values differ greatly for GARCH models with normal conditional distributions, which underestimate the tail risk. By contrast, the GARCH models with Student's t conditional distributions capture the tail shape more accurately, with GARCH and GJR-GARCH being the top performers.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
AH - Ekonomie
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GBP402%2F12%2FG097" target="_blank" >GBP402/12/G097: DYME-Dynamické modely v ekonomii</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
North American Journal of Economics and Finance
ISSN
1062-9408
e-ISSN
—
Svazek periodika
37
Číslo periodika v rámci svazku
July 01
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
15
Strana od-do
1-15
Kód UT WoS článku
000380866100001
EID výsledku v databázi Scopus
2-s2.0-84961909148