수익률 및 변동성 예측방안에 대한 연구: 한중일 주가지수를 이용하여
A Study on the Forecasting Methodology for Yield and Volatility: Case Study for Korea, China and Japan Stock Index
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구에서는 한국, 중국 및 일본 3개국의 주가지수를 사용하여 수익률 및 변동성을 예측하는 방안에 대해 연구한다. 분석 대상인 금융시계열 자료인 주가지수가 장기 기억(long memory)을 가지고 있을 경우 정수만으로 차분함에 의해 정보가 과도하게 손실되어지는 것을 막기 위해 실수 차분으로 과잉 차분을 피할 수 있는 분수적분 ARMA 또는 FARIMA(AutoRegressive Fractionally Integrated Moving Average) 모델과 FI-GARCH(Fractionally Integrated Generalized AutoRegressive Conditional Heteroscedasticity) 모델을 이용한다. 하지만 분석대상인 원래 시계열 자료의 선정기준이 되는 “시점”의 애매함이 존재하기에 본 연구에서는 퍼지수 및 퍼지 회귀 모델을 고려하여 FUZZY FARIMA 모델로 수익률(return)을, FUZZY FI-GARCH 모델로 변동성(volatility)을 예측하는 방법을 제안한다. 그리고 수익률은 단변량 ARFIMA모델을 다변량 ARFIMA모델로 확장하여 예측치를 추정한다. 본 연구에서 제안한 퍼지 FARIMA모델은 수익성 분석에 우위성을 가지고 있음을 발견하였다. 또한 FI-GARCH 모델을 이용한 변동성 예측 분석은 아주 타당성을 가지고 있음을 발견하였다.
Abstract
This paper investigates how to protect big loss of information by difference when the time-series data set with its long memory. We use a ARFIMA (AutoRegressive Fractionally Integrated Moving Average) model and FI-GARCH (Fractionally Integrated Generalized AutoRegressive Conditional Heteroscedasticity) model which are possibly to avoid over-difference problem by real number difference. Also we suggest unique forecasting models for return with FUZZY ARFIMA model and volatility with FUZZY FI-GARCH model which are considering Fussy number and Fussy regression model. We forecating for return estimator by extension of single ARFIMA model to multiple ARFIMA model. We also forecasting for volatility estimator, evaluate the degree of forecasting, using PI which is based on the Black and Scholes Put Option model.
참고문헌 (17)
- Akaike, H, "｢Canonical correlation analysis of time-series and the use of an information criterion, In System Identification: Advances and Case Studies" (1976), Academic Press
- Akaike, H, "A Bayesian analysis of the minimum AIC procedure", Ann., Inst., Statist., Math, 30, pp.9~14 (1978)
- Akaike, H, "A Bayesian extension of the minimum AIC procedure of autoregressive model fitting", Biometrica, 66, pp.237~242 (1979)
- Andersson, M, "Do long-memory models have long memory?", International Journal of Forecasting, 16, pp.121~124 (2000)
- Badhanl, K.N, "Long memory in stock returns and volatility in India: A nonparametric analysis", ICFAI Journal of Applied Finance, 14, pp.34~53 (2008)
- Baum, B, "Long memory or structural breaks:Can either explain nonstationary real exchange rates under the current Float?", Journal of International Financial Markets, Institutions, and Money, 9, pp.359~376 (1999)
- Black, F, "The valuation of option pricing when short rates are lognormal", Journal of Finance, 27, pp.399~418 (1972)
- Bollerslev, T, "Generalized autoregressive conditional heteroskedesticity", Journal of Econometrics, 31, pp.307~327 (1986)
- Bollerslev T, "ARCH modeling in finance: A review of the theory and empirical evidence", Journal of Econometrics, 52, pp.5~59 (1992)
- Conrad, J, "Time-variation in Expected Returns", Journal of Business, 61, pp.409~425 (1988)
- Fama, E F, "The behavior of stock-market prices", Journal of Business, 38, pp.34~105 (1965)
- Heynen, R, A. Kemna, "Analysis of the term structure of implied volatilities", Journal of Financial and Quantitative Analysis, 29, pp.31~56 (1994)
- Lo, A, "Stock Market Prices Do Not Follow Random Walks: Evidence from a Simple Specification Text", The Review of Financial Studies, 1, pp.41~46 (1988)
- Man, K. S, "Long memory time series and short term forecasts", International Journal of Forecasting, 19, pp.477~491 (2003)
- Podobnik, B, "Fractionally integrated process for transition economics", Physica A, 362, pp.465~470 (2006)
- Tanaka, H, "Linear regression analysis with fuzzy model", IEEE Trans. Systems Man Cybernet, 12(6), pp.903~907 (1982)
- Tseng, F, "Fuzzy ARIMA model for forecasting the foreign exchange market", Fuzzy Sets and Systems, 118, pp.9~19 (2001)