• The Journal of Asian Finance, Economics and Business
• /
• 제7권12호
• /
• pp.1-10
• /
• 2020

This study investigates the problem of outlier detection based on discrete wavelet transform in the context of time series data where the identification and treatment of outliers constitute an important component. An outlier is defined as a data point that deviates so much from the rest of observations within a data sample. In this work we focus on the application of the traditional method suggested by Tukey (1977) for detecting outliers in the closed price series of the Saudi Arabia stock market (Tadawul) between Oct. 2011 and Dec. 2019. The method is applied to the details obtained from the MODWT (Maximal-Overlap Discrete Wavelet Transform) of the original series. The result show that the suggested methodology was successful in detecting all of the outliers in the series. The findings of this study suggest that we can model and forecast the volatility of returns from the reconstructed series without outliers using GARCH models. The estimated GARCH volatility model was compared to other asymmetric GARCH models using standard forecast error metrics. It is found that the performance of the standard GARCH model were as good as that of the gjrGARCH model over the out-of-sample forecasts for returns among other GARCH specifications.

• The Journal of Asian Finance, Economics and Business
• /
• 제7권4호
• /
• pp.59-70
• /
• 2020

The purpose of this study is to construct the ACD model for the block trading volume duration. The ACD model based on the block trading volume duration is referred to as Volume ACD (VACD) in this study. By integrating with GARCH-type models, the VACD based GARCH type models, which include VACD-GARCH, VACD-IGARCH and VACD-FIGARCH models, are set up. This study selects Chunghwa Telecom (CHT) Inc., offering the America Depository Receipt (ADR) in NYSE, to investigate the block trading volume duration in Taiwanese equity market. The empirical results indicate that the long memory in volume duration series increases dependence at level of volatility clustering by VACD (2,1)-FIGARCH (3,d,1) model. Moreover, the VACD (2,1)-IGARCH (1,1) exhibits relatively better performance of prediction on capturing block trading volume duration. This volatility model is more appropriate in this study to portray the change of the CHT Inc. prices and provides more information about the volatility process for investment strategy, which can be a reference indicator of financial asset pricing, hedging strategy and risk management.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 한국항만경제학회지
• /
• 제31권1호
• /
• pp.1-14
• /
• 2015

변동성이나 변이계수의 크기와 미치는 효과의 크기가 반드시 비례하는 것은 아니다. 그것은 변동성을 유발하는 요인이나 변동성의 특성에 차이가 있을 수 있기 때문이다. 그런데 광양항의 수출액과 수출량은 밀접한 선형관계를 가지나 두 변수의 변동률은 낮은 상관관계를 보인다. 이것은 두 변수의 변동성의 특성이 다르다는 것을 의미한다. 이에 물동량과 수출액의 예측하지 못한 요인의 밀도함수가 정규분포 형태를 보이지 않을 뿐만 아니라 부호편의검정, 규모편의검정, 결합검정, Ljung-Box Q 통계량 등이 GARCH와 같은 변동성 모형을 이용하여 분석을 실시하는 것이 합리적임을 보인다. 물동량 변동성에서는 대칭적 GARCH모형이 아닌 비대칭 GARCH모형이 적합한데 비해 수출액 변동성에서는 GARCH모형이 적합함을 보인다. 뉴스충격곡선을 도출하여 물동량의 경우 GJR모형이 EGARCH모형에 비해 나쁜 뉴스에 대한 분산을 과대평가하나 좋은 뉴스에 대한 분산을 과소평가하는 경향이 있음을 밝힌다.

• Communications for Statistical Applications and Methods
• /
• 제22권5호
• /
• pp.495-506
• /
• 2015

Volatility is a variation measure in finance for returns of a financial instrument over time. GARCH models have been a popular tool to analyze volatility of financial time series data since Bollerslev (1986) and it is said that volatility is highly persistent when the sum of the estimated coefficients of the squared lagged returns and the lagged conditional variance terms in GARCH models is close to 1. Regarding persistence, numerous methods have been proposed to test if such persistency is due to volatility shifts in the market or natural fluctuation explained by stationary long-range dependence (LRD). Recently, Lee et al. (2015) proposed a residual-based cumulative sum (CUSUM) test statistic to test volatility shifts in GARCH models against LRD. We propose a bootstrap-based approach for the residual-based test and compare the sizes and powers of our bootstrap-based CUSUM test with the one in Lee et al. (2015) through simulation studies.

• Communications for Statistical Applications and Methods
• /
• 제20권5호
• /
• pp.395-404
• /
• 2013

This paper studies the skewness of the absolute value GARCH(1, 1) models with Gaussian mixture innovations (Gaussian mixture AVGARCH(1, 1) models). The maximum estimated-likelihood estimator (MELE) employed (a two- step estimation method in order to estimate the skewness of Gaussian mixture AVGARCH(1, 1) models. Through the real data analysis, the adequacy of adopting Gaussian mixture innovations is exhibited in reflecting the skewness of two major Korean stock indices.

• Journal of the Korean Data and Information Science Society
• /
• 제18권1호
• /
• pp.237-245
• /
• 2007

Nonlinear asymmetric time series models have the growing interest in econometrics and finance. Threshold model is one of the successful asymmetric model. We consider a smooth transition ARMA model which converges a.s. to a threshold ARMA model and show that the smooth transition ARMA model admits a stationary measure, provided a suitable condition on the coefficients of the autoregressive parts of the different regimes is satisfied. Stationarity of a smooth transition GARCH model is also obtained.

• Journal of Information Technology Applications and Management
• /
• 제26권6호
• /
• pp.47-63
• /
• 2019

The volatility of major crypto currencies was examined and they are diagnosed whether they have a systematic risk or not, by estimating market beta representing systematic risk using GARCH( Generalized Auto Regressive Conditional Heteroskedastieity) model. First, the empirical results showed that their prices are very volatile over time because of the existence of ARCH and GARCH effects. Second, in terms of efficiency, asymmetric GJR model was estimated to be the most appropriate model because the standard error of a market beta was less than that of the OLS model and GARCH model. Third, the estimated market beta of Bitcoin using GJR model was less than 1 at 0.8791, showing that there is no systematic risk. However, unlike OLS model, the market beta of Ethereum and Ripple was estimated at 1.0581 and 1.1222, showing that there is systematic risk. This result shows that bitcoin is less dangerous than Ripple and Ethereum, and ripple is the most dangerous of all three crypto currencies. Finally, the major cryptocurrency found that the negative impact caused greater variability than the positive impact, causing bad news to fluctuate more than good news, and therefore good news and bad news had a different effect on the variability.

• 응용통계연구
• /
• 제23권1호
• /
• pp.49-61
• /
• 2010

금융시계열 변동성의 의존성(dependency)은 멱변환된 절대수익률의 자기상관함수를 이용하여 측정할 수 있다. 이때, 절대수익률의 자기상관이 제곱수익률의 자기상관보다 더 강하게 나타나는 성질을 Taylor 성질이라고 한다. 본 논문에서는 여러 가지 국내 금융시계열 자료에 대하여 absolute-value GARCH(1,1)(AVGARCH(1,1)) 모형을 적합하고, Haas (2009)가 제안한 방법을 이용하여 Taylor 성질의 존재여부에 대하여 살펴보았다.

• 재무관리연구
• /
• 제20권1호
• /
• pp.305-329
• /
• 2003

본 연구는 1987년 1월 5일부터 2001년 12월 28일까지의 일별 및 월별 자료를 가지고 미국 달러화와 일본 엔화가 기업의 주식수익률에 미치는 영향 및 비대칭성을 분석하였다. 일별 자료에 대해서는 오차항의 이분산을 고려해 자기회귀와 GARCH 계열 모형을 사용하였으며, 월별 자료에 대해서는 자기회귀모형을 사용했다. 전체기간 및 하위기간에 대한 분석결과는 일별 자료가 월별 자료에 비해 환노출을 발견하는 데 보다 탁월하다는 것을 보여주고 있다. 또한 EGARCH(1, 1)와 GJR-GARCH(1, 1)로 일별 자료를 분석하는 것이 보다 높은 설명력을 갖는 것으로 나타났다. 한편, 노출된 기업의 대부분에서 음의 환노출이 발견되고 있다. 이는 우리나라 기업의 주식수익률은 환율인상에 대해서는 부정적 영향을, 환율인하에 대해서는 긍정적 영향을 받는 것으로 해석할 수 있다. 비대칭성에 대한 분석 결과는 우리나라 기업은 대부분 비대칭적 환노출에 직면하고 있으며, 실물옵션이론보다는 시장중시가격이론이 보다 설득력이 있다는 결론을 제시해주고 있다. 또한 월별 자료가 일별 자료에 비해 비대칭 분석을 정확히 할 수 있는 것도 발견되었다.