PL EN


2014 | 37 | 127-147
Article title

Prognozowanie stanu turbulencji dla instrumentu finansowego w perspektywie dziennej na podstawie modeli dla binarnej zmiennej zależnej

Authors
Content
Title variants
EN
One-day prediction of state of turbulence for financial instrument based on models for binary dependent variable
Languages of publication
PL
Abstracts
PL
W artykule przedstawiono propozycję modeli prognozowania stanów dla instrumentu finansowego w horyzoncie jednodniowym. W badaniu poddano analizie modele zakładające: jeden z trzech modeli dla zmiennej binarnej (logitowy, probitowy oraz cloglog), cztery definicje zmiennej zależnej (20%, 10%, 5% oraz 1% najgorszych realizacji stopy zwrotu) oraz trzy różne zbiory zmiennych niezależnych (dane nieprzekształcone, główne składowe z analizy PCA oraz czynniki z analizy czynnikowej). Ponadto w badaniu przeprowadzono analizę wyboru optymalnego punktu odcięcia. Ocena modeli została wykonana na podstawie testów LR i Hosmera-Lemeshowa oraz analizy parametru GINI i kryterium KROC. Na podstawie wyników badania empirycznego ustalono dziewięć kombinacji założeń, dla których modele stanu turbulencji spełniają określone w badaniu wymogi formalne oraz charakteryzują się wysoką zdolnością prognostyczną i dyskryminacyjną.
EN
This paper proposes an approach to predict states (states of tranquillity and turbulence) for a financial instrument in a one-day horizon. The prediction is made using 3 different models for a binary variable (LOGIT, PROBIT, CLOGLOG), 4 definitions of a dependent variable (1%, 5%, 10%, 20% of worst realization of returns), 3 sets of independent variables (untransformed data, PCA analysis and factor analysis). Additionally an optimal cut-off point analysis is performed. The evaluation of the models was based on the LR test, Hosmer-Lemeshow test, GINI coefficient analysis and KROC criterion based on the ROC curve. Nine combinations of assumptions have been chosen as appropriate (any model for a binary variable, the dependent variable defined as 1%, 5% or 10% of worst realization of returns, untransformed data, 1%, 5% or 10% cut-off point respectively). Models built on these assumptions meet all the formal requirements and have a high predictive and discriminant ability.
Contributors
  • Wydział Nauk Ekonomicznych, Uniwersytet Warszawski
References
Document Type
Publication order reference
Identifiers
YADDA identifier
bwmeta1.element.desklight-f5360f1e-715f-47bd-b48f-777e6f234114
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.