| Abstract : | Η μεταβλητότητα των χρηματιστηριακών αγορών είναι ένα πεδίο έρευνας που απασχολεί όλο και πιο έντονα τις τελευταίες δεκαετίες τους οικονομολόγους. Μετά την παγκόσμια οικονομική ύφεση του 2008 παρατηρείται μεγαλύτερη ανάγκη για τη μελέτη της μεταβλητότητας, που σκοπό έχει την ακριβέστερη εκτίμηση προβλέψεων. Σκοπός της παρούσας εργασίας είναι η μοντελοποίηση και η διενέργεια προβλέψεων των τιμών του χρηματιστηριακού δείκτη Euro Stoxx ex Financials με τη χρήση χρονοσειρών και η εξέταση της επίδραση της εισαγωγής συμβολαίων μελλοντικής εκπλήρωσης για τον υπό εξέταση δείκτη στη μεταβλητότητα του. Αρχικά, παρουσιάζονται τα παράγωγα χρηματοπιστωτικά προϊόντα, περιγραφή του τρόπου λειτουργίας τους και μεταξύ τους σύγκριση. Στη συνέχεια πραγματοποιείται αναφορά των διαφόρων επενδυτικών στρατηγικών που δύναται να επιλέξουν επιχειρήσεις ή επενδυτές και γίνεται ανάλυση συγκεκριμένα των επενδυτικών στρατηγικών με συμβόλαια μελλοντικής εκπλήρωσης για κάθε τύπο επένδυσης. Επιπλέον,έγινε θεωρητική ανάλυση των χρονοσειρών και ανάλυση των ιδιοτήτων τους. Επίσης, ορίστηκε η μεταβλητότητα και γίνεται θεωρητική ανάλυση των ιδιοτήτων της. Για την μελέτη της μεταβλητότητας έγινε συλλογή των ημερήσιων τιμών ανοίγματος, κλεισίματος, του χρηματιστηριακού δείκτη που μελετάται. Υπολογίστηκαν οι ημερήσιες λογαριθμικές αποδόσεις: Rt = ln(Pt / Pt-1), όπου Pt είναι η ημερήσια τιμή τη χρονική στιγμή t, και η μηνιαία μεταβλητότητα του δείκτη ως το γινόμενο της μηνιαίας τυπικής απόκλισης του δείκτη επί την τετραγωνική ρίζα του πλήθους των ημερών που διαπραγματεύτηκε τον κάθε μήνα. Χρησιμοποιήθηκαν οι οικονομετρικές μέθοδοι, GARCH και ΕGARCH με τη βοήθεια του στατιστικού προγράμματος Eviews. Με βάση και τα δύο μοντέλα αποδείχθηκε ότι η είσοδος των ΣΜΕ του υπό εξέταση δείκτη στην αγορά μείωσαν τη μεταβλητότητα του. Επιπλέον, εφαρμόστηκαν μέτρα αξιολόγησης όπου με τη βοήθεια των κριτηρίων AIC και SIC προέκυψε το καταλληλότερο μοντέλο για προβλέψεις των τιμών του δείκτη. Τέλος, πραγματοποιήθηκε αξιολόγηση της ακρίβειας των προβλέψεων με ικανοποιητικά αποτελέσματα. Το μοντέλο EGARCH (1,1) αποδείχθηκε το καταλληλότερο, λόγω της ικανότητας του να αντιλαμβάνεται τη μεταβλητότητα της μη σταθερής δεσμευμένης διακύμανσης.
Stock market volatility is an area of research that has been of increasing interest to economists in recent decades. Since the global economic downturn of 2008, there has been a greater need for the study of volatility, which aims to estimate forecasts more accurately. The purpose of this paper is to model and perform price forecasting of the Euro Stoxx ex Financials stock market index using time series and the effect of introducing futures contracts for the index under consideration on its volatility. First, financial derivative products are introduced, a description of how they work and a comparison between them. The various investment strategies that may be chosen by investors are then discussed and an analysis is made of the specific investment strategies involving futures contracts for each type of investment. In addition, a theoretical analysis of time series and an analysis of their properties was carried out. Also, volatility was defined, and a theoretical analysis of its properties is performed. For the study of volatility, daily opening, closing prices of the stock market index under study were collected. Daily logarithmic returns were calculated: Rt = ln(Pt / Pt-1), where Pt is the daily price at time t, and the monthly volatility of the index as the product of the monthly standard deviation of the index multiplied by the square root of the number of days traded in each month. The econometric methods, GARCH and EGARCH were used with the help of the statistical program Eviews. Based on both models, it was demonstrated that the entry of the future contracts of the index under consideration into the market reduced its volatility. In addition, evaluation measures were applied where the most suitable model for index price forecasts was obtained with the help of AIC and SIC criteria. Finally, the accuracy of the forecasts was evaluated with satisfactory results. The EGARCH (1,1) model proved to be the most appropriate due to its ability to capture the variability of the non-stationary bound variance.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.