• Journal of the Korean Data and Information Science Society
• /
• v.20 no.3
• /
• pp.475-483
• /
• 2009

In this paper we introduced a class of nonlinear time series models to analyse KOSPI data. We introduce the Generalized Power-Transformation TGARCH (GPT-TGARCH) model and the model includes Zakoian (1993) and Li and Li (1996) models as the special cases. We showed the effectiveness and efficiency of the new model based on KOSPI data.

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.5
• /
• pp.831-839
• /
• 2010

Least squares support vector machine (LS-SVM) is a kernel trick gaining a lot of popularities in the regression and classification problems. We use LS-SVM to propose a iterative algorithm for a nonlinear generalized autoregressive conditional heteroscedasticity model in the mean (GARCH-M) model to estimate the mean and the conditional volatility of stock market returns. The proposed method combines a weighted LS-SVM for the mean and unweighted LS-SVM for the conditional volatility. In this paper, we show that nonlinear GARCH-M models have a higher performance than the linear GARCH model and the linear GARCH-M model via real data estimations.

• The Korean Journal of Financial Management
• /
• v.16 no.2
• /
• pp.285-308
• /
• 1999

증권의 가격형성에 유리한 뉴스와 불리한 뉴스가 도착할 때 이 뉴스가 주가의 변동성에 미치는 영향의 정도는 차이가 있다. 불리한 뉴스가 변동성에 미치는 영향도가 유리한 뉴스가 변동성에 미치는 영향도보다 크다. 따라서 불리한 뉴스가 발생할 때 형성되는 변동성의 양이 유리한 뉴스의 도착시보다 크다. 그리고 충격의 크기에 따라 이 충격이 야기하는 변동성의 양의 크기에도 차이가 존재한다. 일반 자기회귀 조건부 이분산 과정은 유리한 뉴스와 불리한 뉴스를 대칭적으로 반영하고 있다. 이 뉴스들을 비대칭적으로 포착하는 자기회귀 조건부 이분산 과정의 모형들을 실증적으로 분석하였다. 뉴스의 비대칭성과 규모를 적절히 포착하고 있는 모형들이 비선형 일반 자기회귀 조건부 이분산 과정, 지수 일반 자기회귀 조건부 이분산 과정과 정보 포착 자기회귀 조건부 이분간 과정임이 발견되었다. 이 중 비선형 일반 자기회귀 조건부 이분산 과정이 가장 좋은 모형으로 보인다. 비선형 일반 자기회귀 조건부 이분산 과정의 경우 예측오차의 승멱(power)이 약 1.5이다. 따라서 일반 자기회귀 조건부 이분산 과정의 예측오차의 승멱인 2에 비하여 작다. 이 사실은 일반 자기회귀 조건부 이분산의 예측오차의 승멱이 과도하게 측정되고 없음을 알 수 있다. 뉴스의 비대칭성과 규모를 반영하고 있는 모형들은 한결같이 예측오차의 크기에 적절한 가중치를 부여하여 예측오차의 크기를 조정하고 있다. 이 모형의 성질과 실증분석의 결과에 의하여 예측오차의 승멱은 2 이하로 수정하여 사용해야 한다는 점이 시사되고 있다. 음의 충격이 양의 충격보다 주가의 변동성을 크게 하고 없음이 발견되었다. 주가형성에 유리한 뉴스와 불리한 뉴스가 주가의 변동성에 미치는 영향의 차이와 충격의 중대성을 양으로 표시하는 규모의 차이를 반영해주는 변수들의 추정된 계수가 미국과 일본보다 절대값에 있어서 상당히 작다. 이 현상은 뉴스의 비대칭성과 규모보다는 발생하는 충격, 즉 뉴스 자체에 보다 민감하게 반응하고 있음을 보여주고 있다. 물론 투자자들이 뉴스의 비대칭성과 규모를 완전히 무시하고 투자활동을 전개하고 있다는 것을 의미하는 것은 아니다.

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.6
• /
• pp.1041-1049
• /
• 2010

In Korean professional baseball, attendance is the largest source of revenue for development of professional baseball and the highest concern of professional baseball teams. So, if there is demand forecasting model, it will be helpful for pennant chasers to work out the strategies for drawing attendance. For this reason, this research intends to suggest the model which estimates Korean professional baseball's attendance and uses all usable variables which have an effect on attendance in limited circumstances. We supposed that dependent variable is attendance as well as several independent variables and error term are homoscedastic variance. And then, we compared the models which assume conditional heteroscedastic variance like GARCH and EGARCH with GARCH-t models which use the assumption that error term's distribution follows student-t distribution. In result of that, we could confirm that the models which were made by using GARCH(1,1)-t made estimates the most accurately among the several models considered.

• The Korean Journal of Applied Statistics
• /
• v.13 no.2
• /
• pp.437-445
• /
• 2000

The present paper is introducing a new model so called TAR-GARCH in the context of stock price analysis Conventional models such as AR(l), TAR(l), ARCH(I) and GARCH( 1,1) are briefly reviewed and TAR-GARCH is suggested in analyizing domestic stock prices. Also, relevant iterative estimation procedure is developed. It is seen that TAR-GARCH provides the better fit relative to traditional first order models for stock prices data in Korea.

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.3
• /
• pp.419-425
• /
• 2010

Kernel machine learning is gaining a lot of popularities in analyzing large or high dimensional nonlinear data. We use this technique to estimate a GARCH model for predicting the conditional volatility of stock market returns. GARCH models are usually estimated using maximum likelihood (ML) procedures, assuming that the data are normally distributed. In this paper, we show that GARCH models can be estimated using kernel machine learning and that kernel machine has a higher predicting ability than ML methods and support vector machine, when estimating volatility of financial time series data with fat tail.

• Communications for Statistical Applications and Methods
• /
• v.16 no.2
• /
• pp.287-297
• /
• 2009

In terms of generalized autoregressive conditional heteroscedastic(GARCH) model, estimation of prediction interval based on likelihood is quite sensitive to distribution of error. Moveover, it is not an easy job to construct prediction interval for conditional variance. Recent studies show that the bootstrap method can be one of the alternatives for solving the problems. In this paper, we introduced the bootstrap approach proposed by Pascual et al. (2006). We employed it to Korean stock price data set.

• The Korean Journal of Financial Studies
• /
• v.14 no.1
• /
• pp.41-56
• /
• 2008

주식 수익률이 정상적 과정이 아니라 비정상적 과정에 의해서 생성되고 있다는 사실이 여러 실증 분석에서 제시되고 있다. 시계열의 평균이 시간의 흐름에 따라 변하면 이 시계열은 비정상적 과정에 의하여 생성된다. 시간의 흐름에 따라 평균이 변하는 비정상 시계열은 단위근과 공적분에 의하여 시계열의 운동을 모형화하고 있다. 한편 시계열의 비정상성은 분산이 시간의 흐름에 따라 변할 때에도 발생한다. 시간의 흐름에 따라 무조건부 분산은 변하지 않고 있지만 이용 가능한 정보 집합을 조건으로 하는 조건부 분산이 변하는 경우도 있다. 이 같은 성질을 가진 주가 시계열은 자기회귀 조건부 이분산(ARCH) 계통의 과정으로 모형화하고 있다. 그러나 무조건부 분산이 시간의 흐름에 따라 변하면 ARCH 계통은 중대한 모형정립과오(misspecification)에 직면하게 된다. 따라서 본 논문은 무조건부 분산이 시간의 흐름에 따라 변할 때 자기 회귀 과정의 모수를 추정하는 방법을 검토하고, 이 방법을 한국 종합주가 지수에 적용하여 자기회귀 과정의 모수를 추정하였다. 이 방법에 의하여 추정된 2계 자기회귀 과정의 모수값 중 상수항과 제1계 항의 계수는 통상 최소자승법에 의한 값과 유사하다. 그러나 제2계 항 모수의 값은 양자가 상당히 다르다. 최소자승에 의한 제2계 값이 과대 추정되고 있다.

• Communications for Statistical Applications and Methods
• /
• v.15 no.6
• /
• pp.925-937
• /
• 2008

In this study, we considered the clustering analysis for stock return traded in the stock market. Most of financial time-series data, for instance, stock price and exchange rate have conditional heterogeneous variability depending on time, and, hence, are not properly applied to the autoregressive moving-average(ARMA) model with assumption of constant variance. Moreover, the variability is font and center for stock investors as well as academic researchers. So, this paper focuses on the generalized autoregressive conditional heteroscedastic(GARCH) model which is known as a solution for capturing the conditional variance(or volatility). We define the metrics for similarity of unconditional volatility and for homogeneity of model structure, and, then, evaluate the performances of the metrics. In real application, we do clustering analysis in terms of volatility and structure with stock return of the 11 Korean companies measured for the latest three years.

• The Korean Journal of Financial Management
• /
• v.12 no.2
• /
• pp.95-120
• /
• 1995

자본시장에서 자산가격결정이론의 대부분은 투자자산의 기대수익률과 변동성이 시간의 흐름에 따라 일정한 것으로 가정하여 왔다. 그러나 최근의 연구 성과에 의하면 주식수익률의 변동성이 동분산이라기 보다는 이분산일 가능성이 높다는 것이다. 1982년 Engle에 의하여 개발된 자기회귀 조건부 이분산모형(ARCH)이 제시된 이래 ARCH형태의 모형개발이 계속 이루어져 왔다. 본 논문은 ARCH형태의 이분산모형 가운데서 EGARCH모형을 이용하여 위험프레미엄과 조건부 이분산과의 관계와 더불어 기대하지 않은 수익률변화와 변동성과의 관계를 규명하고자 노력하였다. 1980년에서 1994년까지의 주가자료를 전체기간과 세부기간(4기간)으로 분류하여 기술 통계량 분석을 행하고, 종합주가지수초과수익률, 동일 가치 가중지수초과수익률, 대형주 주가지수초과수익률, 소형주 주가지수초과수익률에 대하여 EGARCH모형 을 적용하여 실증분석 하였다. 그 결과 위험프레미엄과 조건부 이분산은 시간이 지남에 따라 일정한 관계를 보여주지 못하고 있어 투자자의 위험회피도(危險回避度)가 변화함을 보여주었다. 기대하지 않은 수익률변화와 변동성 관계에서는 기대하지 않은 음(陰)(-)의 주식수익률이 기대하지 않은 양(陽)(+)의 주식수익률보다 상대적으로 더 큰 변동성을 가져오는 것으로 보여 우리나라 주식시장에서 주식수익률의 변동성 정보의 비대칭 반응효과가 존재하는 것으로 나타났다.