Prognozowanie finansowych szeregów czasowych 2400-ZEWW332

-----Poniższy tekst konspektu jest skrócony. Pełną wersję można znaleźć na stronie internetowej Wydziału-----
Finansowe szeregi czasowe wykazują szereg charakterystycznych własności, występujących pod wspólną nazwą stylizowanych faktów. Są nimi m. in. występowanie zjawiska grupowania wariancji (małe, jak i duże zmiany kursu danego instrumentu występują seriami), leptokurtyczność rozkładów stóp zwrotu (tzw. grube ogony rozkładu), czy też ujemna korelacja pomiędzy stopami zwrotu a zmiennością ich wariancji. Zjawiska te powodują, że w wielu przypadkach stosowanie standardowych metod estymacji parametrów i prognozowania nie przynosi zadowalających rezultatów. Istnieje też wiele instrumentów finansowych, dla których ważniejsze od poprawnej prognozy poziomu przyszłych stóp zwrotu staje się właściwe oszacowanie ich zmienności (a więc niepewności). Inną ważną charakterystyką finansowych szeregów czasowych jest fakt, iż w odróżnieniu od szeregów czasowych danych makroekonomicznych szeregi finansowe charakteryzują się długimi próbkami, co powoduje, że stosowane do ich estymacji modele mogą być bardziej rozbudowane.

Pojawia się zatem pytanie, które modele powinny być zastosowane w danej sytuacji, jakie są ich zalety i jakie wady?

Na kolejnych zajęciach omówione zostaną poszczególne rodziny modeli i metody prognozowania wraz z ich zastosowaniami w praktyce na rzeczywistych danych.

Program zajęć na początku przewiduje krótkie przypomnienie środowiska SAS (import i wstępna obróbka danych, przedstawianie danych na wykresach). W dalszej kolejności przedstawione zostaną zagadnienia związane z dekompozycją szeregów czasowych oraz pokrótce przypomniany zostanie Klasyczny Model Regresji Liniowej. Następnie zostaną zaprezentowane jednorównaniowe modele szeregów czasowych z rodziny ARIMA oraz metodologia Boxa-Jenkinsa, a także omówione zostaną problemy związane modelowaniem zmienności stóp zwrotu oraz wykorzystanie modeli z rodziny GARCH w prognozowaniu szeregów czasowych. W dalszej części zajęć przedstawione zostaną modele z rozłożonymi opóźnieniami, wielorównaniowe modele szeregów czasowych oraz modele zależności długookresowych w finansach.

Kolejne zagadnienia omawiane będą wraz z przykładami empirycznymi w formie case study - po krótkim teoretycznym wprowadzeniu studenci pod okiem prowadzących będą rozwiązywali problemy w pakiecie SAS. Zadaniem uczestników będzie opracowanie projektu dotyczącego jednego z tematów poruszonych na zajęciach (napisanie kodu SAS, prezentacja wyników w formacie HTML, przedstawienie wniosków).

1.Wprowadzenie
- Koncepcja trafności prognozy (zmiany strukturalne parametrów, niepoprawna specyfikacja modelu, brakujące lub niewłaściwe dane, zmiana oczekiwań graczy rynkowych (economic agents), nieoczekiwane zmiany zmiennych egzogenicznych, zmiany polityki ekonomicznej, niewłaściwe założenia o egzogeniczności);
- Alternatywne typy prognoz (punktowe vs. przedziałowe, bezwzględne vs. warunkowe; alternatywne scenariusze ważone prawdopodobieństwem, asymetryczne zyski i straty, jednookresowe vs. wielookresowe; jednej zmiennej vs. wielu zmiennych);
- rodzaje danych ekonometrycznych (szeregi czasowe, dane przekrojowe, dane panelowe);
- źródła danych w tym ogólnodostępne serwisy internetowe;
- finansowe szeregi czasowe i stylizowane fakty;

2.Wstępna analiza danych
- import danych do pakietu SAS;
- wstępna analiza danych w tym graficzna prezentacja danych;
- przygotowanie szeregów czasowych do dalszych analiz;
- prezentacja wyników analiz w formacie HTML (ODS);

3.Dekompozycja szeregu czasowego
-rozkład szeregu czasowego w formie addytywnej i multiplikatywnej na trend, wahania sezonowe, składnik cykliczny oraz wahania przypadkowe. Wygładzanie sezonowe szeregu czasowego;
- Case Study 1: dekompozycja szeregu w postaci addytywnej;
- Case Study 2: dekompozycja szeregu w postaci multiplikatywnej;...