Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Conditional Volatility Model Selection and Comparison: Ex-ample from Stock Markets

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F14%3A86091664" target="_blank" >RIV/61989100:27510/14:86091664 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Conditional Volatility Model Selection and Comparison: Ex-ample from Stock Markets

  • Popis výsledku v původním jazyce

    Model selection and model comparison of the second moment of a given random variable has been widely discussed topic in financial econometrics for many years. In this paper, we focus on model comparison and model selection taking in consideration univariate conditional volatility models. The aim of this paper is to provide comparison of linear and nonlinear ARCH family models based on out-of-sample forecast using two different approaches. In first approach, alternative volatility models are compared bydifferent loss functions based directly on variance forecast and respective Diebold-Mariano type tests. The comparison of models based on Diebold-Mariano test is limited since it allows pairwise comparison only. Therefore, the model confidence set (MCS)technique will be utilized as well. The second approach is relatively new and includes indirect evaluation methods which consider using of alternative variance forecasts, in particular a VaR framework. In order to illustrate application o

  • Název v anglickém jazyce

    Conditional Volatility Model Selection and Comparison: Ex-ample from Stock Markets

  • Popis výsledku anglicky

    Model selection and model comparison of the second moment of a given random variable has been widely discussed topic in financial econometrics for many years. In this paper, we focus on model comparison and model selection taking in consideration univariate conditional volatility models. The aim of this paper is to provide comparison of linear and nonlinear ARCH family models based on out-of-sample forecast using two different approaches. In first approach, alternative volatility models are compared bydifferent loss functions based directly on variance forecast and respective Diebold-Mariano type tests. The comparison of models based on Diebold-Mariano test is limited since it allows pairwise comparison only. Therefore, the model confidence set (MCS)technique will be utilized as well. The second approach is relatively new and includes indirect evaluation methods which consider using of alternative variance forecasts, in particular a VaR framework. In order to illustrate application o

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    AH - Ekonomie

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Mathematical Methods in Economics, MME 2014 : 32nd international conference : September 10-12, 2014, Olomouc, Czech Republic : conference proceedings

  • ISBN

    978-80-244-4209-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    873-878

  • Název nakladatele

    Palacký University

  • Místo vydání

    Olomouc

  • Místo konání akce

    Olomouc

  • Datum konání akce

    10. 9. 2014

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku