Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl


2020 | 393 | 58-66

Article title

Comparison of asymmetric GARCH models – analysis of the Pioneer Akcji Polskich subfund


Title variants

Porównanie asymetrycznych modeli GARCH – analiza subfunduszu Pioneer Akcji Polskich

Languages of publication



The leverage effect is a situation in which volatility tends to increase dramat-ically following bad news, and to increase moderately (or even to diminish) following good news. An example of its occurrence is given. The universality of the leverage effect motivates the further part of the work in which asymmetric GARCH models are de-scribed. In particular, the EGARCH [Nelson, 1991], TGARCH [Zakoian, 1994], GJR- -GARCH [Glotsen, Jagannathan, Runkle, 1993] and APARCH [Ding, Granger, Engle, 1993] models are considered. Models are fit to the daily log-returns series of the Pioneer Akcji Polskich subfund. Parameter estimates are presented. Then a comparison of the considered models is carried out. The BIC criterion [Schwarz, 1978] is used as well as the means of the squared differences between the estimated volatilities.
Efekt dźwigni jest to sytuacja, w której złe informacje powodują gwałtowny wzrost warunkowej zmienności, natomiast dobre informacje prowadzą jedynie do jej nieznacznego wzrostu lub nawet spadku. W opracowaniu podano przykład jego występowania. Powszechność efektu dźwigni motywuje dalszą część pracy, w której zostają opisane asymetryczne modele GARCH. W szczególności są to EGARCH [Nelson, 1991], TGARCH [Zakoian, 1994], GJR-GARCH [Glotsen, Jagannathan, Runkle, 1993] i APARCH [Ding, Granger, Engle, 1993]. Modele zostały dopasowane do dziennych zwrotów logarytmicznych subfunduszu Pioneer Akcji Polskich. W pracy przedstawiono estymowane parametry. Następnie przeprowadzono porównanie rozważanych modeli. Wykorzystano do tego kryterium BIC [Schwarz, 1978], jak również średniokwadratowe różnice pomiędzy estymowanymi warunkowymi zmiennościami.







Physical description


  • Uniwersytet Ekonomiczny w Katowicach. Kolegium Zarządzania. Katedra Statystyki, Ekonometrii i Matematyki


  • Bollerslev T. (1986), Generalized Autoregressive Conditional Heteroskedasticity, “Jour-nal of Econometrics”, Vol. 31, No. 3, p. 307-327.
  • Ding Z., Granger C.W.J., Engle R.F. (1993), A Long Memory Property of Stock Market Returns and a New Model, “Journal of Empirical Finance”, Vol. 1, No. 1, p. 83-106.
  • Francq C., Zakoian J.M. (2010), GARCH Models: Structure, Statistical Inference and Financial Applications, John Wiley & Sons Ltd.
  • Ghalanos A. (2018), Introduction to the Rugarch Package (Version 1.3-8), https://cran.rproject.org/web//package/rugarch/vignettes/Introduction_to_the_rugarch_package.pdf (accessed: 9.10.2018).
  • Glotsen L.R., Jagannathan R., Runkle D.E. (1993), On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks, “Journal of Fi-nance”, Vol. 48, No. 5, p. 1779-1801.
  • Nelson D.B. (1991), Conditional Heteroskedasticity in Asset Returns: A New Approach, “Econometrica”, Vol. 59, No. 2, p. 347-370.
  • Rachev S., Mittnik S., Fabozzi F., Focardi S., Jasic T. (1997), Financial Econometrics, John Wiley & Sons Ltd.
  • Schwarz G.E. (1978), Estimating the Dimension of a Model, “Annals of Statistics”, Vol. 6, No. 2, p. 461-464.
  • Zakoian J.M. (1994), Threshold Heteroskedastic Models, “Journal of Economic Dynamics and Control”, Vol. 18, No. 5, p. 931-955.

Document Type

Publication order reference



YADDA identifier

JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.