OBSAH

Předmluva

Kapitola 1: Finanční časové řady a jejich charakteristické vlastnosti

Zvláštní postavení v rámci krátkodobých ekonomických časových řad mají tzv. vysokofrekvenční časové řady, tj. časové řady sledované např. v denní frekvenci. Do této skupiny patří finanční časové řady. Bylo empiricky vypozorováno, že tyto časové řady mají specifické rysy. Obsahem této kapitoly je úvod do problematiky modelování finančních časových řad. Je zde přiblížena především základní myšlenková geneze model chování finančních procesů. S tím souvisí objasnění některých často používaných pojmů z této oblasti. Základem je porovnání klasických předpokladů, ze kterých analýza finančních časových řad často vychází a nových empirických poznatků o chování konkrétních finančních časových řad. Tato konfrontace vede k závěru, že při jejich modelování již nevystačíme s lineárními modely a s předpokladem normality, je třeba vstoupit do prostoru modelů nelineárních.

Kapitola 2: Lineární stochastické modely

Vysvětlení podstaty a principů konstrukce lineárních modelů umožňuje na jedné straně opustit předpoklad lineární nezávislosti logaritmů výnosů a na straně druhé si uvědomit vlastnosti modelu náhodné procházky. Dalším důvodem pro zařazení této kapitoly je, že pochopení principu lineárních modelů umožní porozumět filozofii modelů nelineárních, které jsou popsané v následujících kapitolách. Mnoho pojmů vysvětlených v souvislosti s lineárními modely se zde bude opakovat. Soustředíme se především na základní principy stochastické koncepce tvorby lineárních modelů vycházející z Boxovy-Jenkinsovy metodologie. Tato koncepce je také východiskem pro modelování nestacionárních časových řad, tzv. časových řad s dlouhou pamětí (frakcionální modely) a sezónních časových řad. Při analýze jednorozměrných časových řad můžeme sledovat cíl v nalezení co nejlepšího modelu vhodného pro konstrukci předpovědí budoucího vývoje. Možnosti konkrétní aplikace lineárních modelů při analýze finančních časových řad jsou ukázány v praktických příkladech na konci kapitoly.

Kapitola 3: Modely s proměnlivými režimy

V první kapitole, která se zabývá charakterizováním typických rysů finančních časových řad jsme konstatovali, že jednou z jejich vlastností je proměnlivá volatilita. Z praktických analýz vyplývá, že autokorelace v časových řadách výnosů cen akcií je v závislosti s jejich volatilitou. Autokorelace má tendenci růst v obdobích s nižší volatilitou a tendenci klesat v obdobích s vyšší volatilitou. Změnu volatility, resp. autokorelace, časové řady lze chápat jako změnu režimu v chování časové řady. Tato změna může být způsobena různými faktory. Některé z nich jsou dobře identifikovatelné, jiné nikoliv. Tak například centrální instituce mohou provádět systematické zásahy do finančních trhů, což se samozřejmě musí projevit ve volatilitě a autokorelaci relativních charakteristik různých finančních časových řad. Změna režimu chování může být způsobena také některými nesystematickými a nepredikovatelnými faktory. V posledních letech byla navržena řada modelů časových řad, které formalizují myšlenku existence různých režimů chování časových řad. V této kapitole se zabýváme některými z nich, zaměřujeme se na modely, které lze použít pro modelování výnosů finančních časových řad, tj. na modely úrovně časových řad. Tyto modely mají nelineární charakter. Popisujeme dva z nich: s režimy určenými pozorovatelnými veličinami a s režimy určenými nepozorovatelnými veličinami.

Kapitola 4: Modely volatility

Jak vyplývá z první kapitoly, mezi základní charakteristické vlastnosti výnosů finančních časových řad patří leptokurtické pravděpodobnostní rozdělení (ve srovnání s normálním rozdělením rozdělení špičatější s tlustšími konci) a proměnlivá volatilita (variabilita). Mezi další rysy finančních časových řad patří např. tzv. pákový efekt, který znamená, že negativní šoky působí na volatilitu jinak než pozitivní šoky ve stejné absolutní výši, charakteristické také je, že ve dnech, kdy se neobchoduje, se akumuluje informace, což se projevuje zvýšenou volatilitou v následujících obchodních dnech, rovněž pravidelné zveřejňování důležitých informací způsobuje zvýšení volatility. Tato kapitola se zabývá modely, které charakterizují podmíněnou heteroskedasticitu. Na rozdíl od modelů druhé a třetí kapitoly se tyto modely nezabývají úrovní časových řad, ale jejich variabilitou. Jejich význam spočívá v tom, že umožňují zachytit měnící se podmínky nejistoty na trhu, což je také v souladu s vývojovými trendy moderní ekonomické teorie. Možnosti praktické aplikace těchto modelů jsou značné. Jejich prostřednictvím lze empiricky ověřovat různé teorie týkající se finančního trhu. Lze je využít např. při tvorbě optimálního portfolia či analýze VaR. V neposlední řadě tyto modely umožňují zpřesnění intervalových předpovědí v časových řadách.

Literatura
Rejstřík