Work

GARCH(1,1) at small sample size and pairs trading with cointegration

Year: 2019
Type: other
Abstract: Danish summary ix 1 GARCH(1, 1) on small samples 1 1.1 Lumsdaine, R. (1996), `Consistency and asymptotic normality of the quasi-maximum likelihood estimator in IGARCH (1, 1) and covariance stationary GARCH (1, 1) models', Econometrica 64(3), 575596.Pakel, C., Shephard, N. and Sheppard, K. (2011), `Nuisance parameters, composite likelihoods and a panel of GARCH models', Statistica Sinica 21(1), 307329.Dansk resume Denne afhandling består af tre selvstændige kapitler inden for tidsserie-økonometri, og hvert kapitel beskæftiger sig især med emnerne betinget-varians modellering og cointegration.Et banebrydende bidrag til modelleringen af tidsvarierende volatilitet er den autoregressive betingede heteroskedasticitets-model (ARCH) af Engle (1982), som efterfølgende blev generaliseret ved Bollerslev (1986), hvilket førte til den populære, generaliserede ARCH (GARCH) model.Gennem årene har vi set forskellige udvidelser af modeller af GARCH-typen, der alle har været et forsøg på at imødekomme behovene for bedre at kunne håndtere de stiliserede fakta, som økonomiske data repræsenterer.På trods af tilgængeligheden af mere avancerede GARCH-modeller er den oprindelige GARCH(1, 1) model fortsat populær og bruges ofte som benchmark for modelsammenligninger. Se for eksempel Hansen and Lunde (2005), der påviser større generel pålidelighed og bedre forecasts ved brug af GARCH(1, 1) sammenlignet med andre GARCH-type modeller.Den asymptotiske teori i forbindelse med GARCH(1, 1) er blevet udforsket og dokumenteret i litteraturen, se for eksempel Lumsdaine (1996).De to første kapitler søger at bidrage til de eksisterende teorier ved at undersøge GARCH(1, 1) i små samples.Det første kapitel motiverer og introducerer estimeringsproblemet ved små samples med univariate GARCH(1, 1) som det centrale fokus.Det andet kapitel er en fortsættelse af det første kapitel og udvider samme model til en panelkontekst som set i Pakel et al. (2011), og kapitlet foreslår en løsning på estimeringsproblemet. Temaet i det tredje og sidste kapitel er et helt andet.Det er et kapitel om anvendelse af nansielle handelsalgoritmer, der udnytter cointegration (Engle and Granger, 1987) i udvælgelsen af aktiepar til handel.Kapitel 1 -GARCH(1,1) on small samples -gennemfører et Monte Carlo-studie på GARCH(1, 1) ved små samplestørrelser med datagenererende parameterværdier, som normalt ix x registreres i empiriske undersøgelser.Monte Carlo-studiet fører til opdagelsen af, at et af modelparameterestimaterne ofte udviser nedadgående (negativ) skævhed, selv om dets sande værdi er positiv.Vores analytiske arbejde forklarer, hvorfor det negative parameter er mere dominerende ved små samplestørrelser.Kapitel 2 -A modied GARCH(1, 1) model for cross-sectional data with small samples -udvider undersøgelsen af denne parameterbias i GARCH (1, 1) til en panelopstilling.Vi foreslår en ændring af den betingede volatilitetsligning for GARCH(1, 1) som en løsning af biasproblemet.Derefter giver vi et empirisk eksempel ved at bruge makroøkonomiske paneldata fra handel mellem forskellige lande og sammenligne forbedringen i den modicerede GARCH(1, 1) i forhold til den oprindelige model.Kapitel 3 -Pairs trading with cointegration on multiple stock indices -udvikler en populær statistisk arbitragehandelsalgoritme ved hjælp af cointegration til at vælge par af aktier til handel.Selv om jeg nder en betydelig prot, når algoritmen implementeres på aktier fra S&P500, er tabene imidlertid betydelige på aktier fra andre indekser.Mine resultater er i modstrid med eksisterende studier i litteraturen, der ofte konsekvent påviser, at fortjeneste er normen.De store tab kan skyldes det kortvarige cointegrationsforhold mellem de udvalgte aktier.Litteratur
Institution: Aarhus University
Language: English
Subfield: Finance
Open Access status: green
OpenAlex ID: W4412317977
Cites: 86
Cited by:
Related to: 10