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

Results found: 9

first rewind previous Page / 1 next fast forward last

Search results

help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1
Publication available in full text mode
Content available

Estimation of Yu and Meyer bivariate stochastic volatility model by iterated filtering

100%
Szczepocki P.
Przegląd Statystyczny
|
2022
|
vol. 69
|
issue 4
1-19
EN
In financial applications, understanding the asset correlation structure is crucial to tasks such as asset pricing, portfolio optimisation, risk management, and asset allocation. Thus, modelling the volatilities and correlations of multivariate stock market returns is of great importance. This paper proposes the iterated filtering algorithm for estimating the bivariate stochastic volatility model of Yu and Meyer. The iterated filtering method is a frequentist-based approach that utilises particle filters and can be applied to estimating the parameters of non-linear or non-Gaussian state-space models. The paper presents an empirical example that demonstrates the way in which the proposed estimation method might be used to estimate the correlation between the returns of two assets: Standard and Poor's 500 index and the price of gold in US dollars. This is accompanied by a simulation study that proves the validity of the approach.
2
Publication available in full text mode
Content available

O aproksymacjach funkcji przejścia dla jednowymiarowych procesów dyfuzji

100%
Szczepocki P.
Przegląd Statystyczny
|
2016
|
vol. 63
|
issue 2
173-190
EN
Estimation methods for stochastic differentia equations driver by discretely sampled continuous diffusion processes may be split into two categories: maximum likelihood methods and methods based on the general method of moments. Usually, one does not know neither likelihood function nor theoretical moments of diffusion process and cannot construct estimators. Therefore many methods was developed to approximating unknown transition density. The aim of article is to compare properties of selected approaches, indicate their merits and limitations.
PL
Metody estymacji parametrów stochastycznych równań różniczkowych dla ciągłych procesów dyfuzji obserwowanych w dyskretnych odstępach czasu można podzielić na dwie kategorie: metody oparte na maksymalizacji funkcji wiarygodności i wykorzystujące uogólnioną metodę momentów. Zazwyczaj nie znamy jednak gęstości przejścia potrzebnej do konstrukcji funkcji wiarygodności, ani odpowiedniej ilości momentów teoretycznych, aby skonstruować odpowiednią liczbę warunków. Dlatego powstało wiele metod, które próbują przybliżyć nieznaną funkcję przejścia. Celem artykułu jest porównanie własności wybranych metod aproksymacji jednowymiarowych jednorodnych procesów dyfuzji.
3
Content available remote

Zastosowanie filtru Kalmana do modeli stochastycznej zmienności typu Ornsteina‑Uhlenbecka

100%
Szczepocki P.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2018
|
vol. 4
|
issue 337
183-201
EN
Barndorff‑Nielsen and Shephard (2001) proposed a class of stochastic volatility models in which the volatility process is the Ornstein‑Uhlenbeck process driven by a Levy process without gaussian component. Parameter estimation of these models is difficult because the appropriate likelihood functions do not have a closed‑form expression. The article deals with application of the Kalman filter technique for parameter estimation of such models. The method is applied to EUR/PLN daily exchange rate data. Empirical application is accompanied with simulation study to examine statistical properties of the estimators.
PL
O. E. Barndorff‑Nielsen i N. Shephard (2001) zaproponowali klasę modeli stochastycznej zmienności typu Ornsteina‑Uhlenbecka, opartych na procesie Lévy’ego bez składnika Gaussowskiego. Estymacja parametrów modeli tego typu jest trudna, ponieważ nie można wyznaczyć odpowiedniej funkcji wiarygodności w postaci jawnego wzoru. W artykule zaprezentowana zostanie propozycja zastosowania filtru Kalmana do wyznaczania estymatorów parametrów w przypadku złożenia kilku procesów zmienności. Podejście to zostanie wykorzystane do modelowania kursu EUR/PLN. Empiryczny przykład uzupełnia eksperyment symulacyjny mający na celu zbadanie własności tak otrzymanych estymatorów.
4
Publication available in full text mode
Content available

Application of iterated filtering to stochastic volatility models based on non-Gaussian Ornstein-Uhlenbeck process

100%
Szczepocki P.
Statistics in Transition new series
|
2020
|
vol. 21
|
issue 2
173-187
EN
Barndorff-Nielsen and Shephard (2001) proposed a class of stochastic volatility models in which the volatility follows the Ornstein-Uhlenbeck process driven by a positive Levy process without the Gaussian component. The parameter estimation of these models is challenging because the likelihood function is not available in a closed-form expression. A large number of estimation techniques have been proposed, mainly based on Bayesian inference. The main aim of the paper is to present an application of iterated filtering for parameter estimation of such models. Iterated filtering is a method for maximum likelihood inference based on a series of filtering operations, which provide a sequence of parameter estimates that converges to the maximum likelihood estimate. An application to S&P500 index data shows the model perform well and diagnostic plots for iterated filtering ensure convergence iterated filtering to maximum likelihood estimates. Empirical application is accompanied by a simulation study that confirms the validity of the approach in the case of Barndorff-Nielsen and Shephard's stochastic volatility models.
5
Publication available in full text mode
Content available

Clustering companies listed on the Warsaw Stock Exchange according to time-varying beta

100%
Szczepocki P.
Econometrics. Ekonometria. Advances in Applied Data Analytics
|
2019
|
issue vol. 23 no. 2
63-79
EN
The beta parameter is a popular tool for the evaluation of portfolio performance. The Sharpe single-index model is a simple regression model in which the stock’s returns are regressed against the returns of a broader index. The beta parameter is a measure of the strength of this relation. Extensive recent research has proved that the beta is not constant in time and should be modelled as a time-variant coefficient. One of the most popular methods of the estimation of a time-varying beta is the Kalman filter. As the output of the Kalman filter, one obtains a sequence of the estimates of a time-varying beta. This sequence shows the historical dynamics of sensitivity of a company’s returns to the variations of market returns. The article proposes a method of clustering companies listed on the Warsaw Stock Exchange according to time-varying betas.
6
Publication available in full text mode
Content available

Estimation of the Cholesky Multivariate Stochastic Volatility Model Using Iterated Filtering

100%
Szczepocki P.
Econometrics. Ekonometria. Advances in Applied Data Analytics
|
2023
|
vol. 27
|
issue 4
44-58
PL
Cel: Celem artykułu jest zaproponowanie nowej metody estymacji dla wielowymiarowego modelu stochastycznej zmienności z dekompozycją Choleskiego w oparciu o algorytm iterowanej filtracji (Ionides et al., 2006, 2015). Metodyka: Iterowana filtracja jest metodą należącą do klasycznego częstościowego wnioskowania, która poprzez wielokrotne powtórzenia procesu filtrowania zapewnia sekwencję aktualizowanych oszacowań parametrów zbieżnych do estymatora największej wiarygodności. Wyniki: Efektywność zaproponowanej metody estymacji została pokazana na przykładzie empirycznym, w którym wykorzystano wielowymiarowy model stochastyczny zmienności z dekompozycją Choleskiego w badaniu aktywów bezpiecznej przystani dla jednego indeksu rynkowego: Standard and Poor's 500 oraz trzech kandydatów na aktywa bezpiecznej przystani: złota, Bitcoina i Ethereum. Implikacje i rekomendacje: W dalszych badaniach metodę iterowanej filtracji można zastosować do bardziej zaawansowanych wielowymiarowych modeli zmienności stochastycznej, które uwzględniają np. efekt dźwigni (Ishihara et al., 2016) oraz rozkłady gruboogonowe (Ishihara i Omori, 2012). Oryginalność/Wartość: Głównym osiągnięciem artykułu jest propozycja nowej metody estymacji wielowymiarowego modelu stochastycznej zmienności z dekompozycją Choleskiego w oparciu o iterowany algorytm filtrowania. Jest to jedna z niewielu metod klasycznego częstościowego wnioskowania dla wielowymiarowych modeli stochastycznej zmienności.
EN
Aim: The paper aims to propose a new estimation method for the Cholesky Multivariate Stochastic Volatility Model based on the iterated filtering algorithm (Ionides et al., 2006, 2015). Methodology: The iterated filtering method is a frequentist-based technique that through multiple repetitions of the filtering process, provides a sequence of iteratively updated parameter estimates that converge towards the maximum likelihood estimate. Results: The effectiveness of the proposed estimation method was shown in an empirical example in which the Cholesky Multivariate Stochastic Volatility Model was used in a study on safe-haven assets of one market index: Standard and Poor’s 500 and three safe-haven candidates: gold, Bitcoin and Ethereum. Implications and recommendations: In further research, the iterating filtering method may be used for more advanced multivariate stochastic volatility models that take into account, for example, the leverage effect (as in Ishihara et al., 2016) and heavy-tailed errors (as in Ishihara and Omori, 2012). Originality/Value: The main contribution of the paper is the proposition of a new estimation method for the Cholesky Multivariate Stochastic Volatility Model based on iterated filtering algorithm This is one of the few frequentist-based statistical inference methods for multivariate stochastic volatility models.
7
Publication available in full text mode
Content available

The Bayesian Method in Estimating Polish and German Industry Betas. A Comparative Analysis of the Risk between the Main Economic Sectors from 2001–2020

63%
Feder‑Sempach E., Szczepocki P.
Comparative Economic Research. Central and Eastern Europe
|
2022
|
vol. 25
|
issue 2
45-60
PL
Celem artykułu jest porównanie długookresowych zależności w poziomie branżowego ryzyka systematycznego, mierzonego współczynnikiem beta, na polskim i niemieckim rynku giełdowym. Poziom ryzyka został oszacowany dla pięciu sektorów polskich i trzech niemieckich na podstawie modelu CAPM z wykorzystaniem metody bayesowskiej w okresie 2001–2020. Cele szczegółowe artykułu to rozwinięcie i udoskonalenie nowego podejścia bayesowkiego (model SBETA) do szacowania poziomu ryzyka i porównanie wielkości współczynnika beta zmiennego w czasie na obu rynkach wraz z prostą rekomendacją inwestycyjną, tj. sektor agresywny lub defensywny. Wyniki wskazują, że współczynniki beta niemieckich sektorów miały niższy poziom persystencji, co jest charakterystyczne dla rynków rozwiniętych. Sektor bankowy okazał się najbardziej agresywny, najwyższy poziom bety, zarówno na polskim i niemieckim rynku giełdowym. Polskie indeksy sektorowe budownictwo, IT, artykuły spożywcze i telekomunikacja zostały zakwalifikowane do defensywnych. Niemieckie indeksy, Technologiczny (IT) został zakwalifikowany do agresywnych ale telekomunikacja do defensywnych. Na podstawie obliczeń wskazano, że polski sektor bankowy i niemiecki technologiczny przyniosły wyższe dochody niż cały rynek w analizowanym okresie. Wyniki mają bardzo duże znaczenie dla oceny poziomu ryzyka systematycznego na polskiej i niemieckiej giełdzie papierów wartościowych i dają jasne rekomendacje inwestorom międzynarodowym.
EN
This paper examines the long‑term dependence between the Polish and German stock markets in terms of industry beta risk estimates according to the Capital Asset Pricing Model (CAPM). The main objective of this research is to compare the Polish and German beta parameters of five Polish and three German sector indices using the Bayesian methodology in the period 2001–2020. The study has two detailed aims. First, to develop a modified, Bayesian approach (SBETA model) that generates significantly more precise beta than the traditional model. Second, to compare the results of different time‑varying industry betas in the Polish and German economies, giving a simple investment recommendation, i.e., which sector could be classified as aggressive or defensive. The betas were time‑varying in both markets but less persistent in the German industries, which seems characteristic of an advanced economy. The Banking sector betas were the highest in both markets, implying the aggressive nature of that industry in the last twenty years. For the Polish market industry, the betas of Construction, IT, Food and Drinks, and Telecom were classified as defensive. For the German economy, the Technologies (IT) sector was also classified as aggressive, but Telecom was defensive. The results give a valuable insight into the systematic risk levels in Poland and Germany, reflecting the investors' learning process and indicating that Polish Banking and German technologies outperformed the market in the last twenty years.
8
Publication available in full text mode
Content available

Comparison of selected tests for univariate normality based on measures of moments

63%
Domański C., Szczepocki P.
Statistics in Transition new series
|
2020
|
vol. 21
|
issue 5
151-178
EN
Univariate normality tests are typically classified into tests based on empirical distribution, moments, regression and correlation, and other. In this paper, power comparisons of nine normality tests based on measures of moments via the Monte Carlo simulations is extensively examined. The effects on power of the sample size, significance level, and on a number of alternative distributions are investigated. None of the considered tests proved uniformly most powerful for all types of alternative distributions. However, the most powerful tests for different shape departures from normality (symmetric short-tailed, symmetric long-tailed or asymmetric) are indicated.
9
Publication available in full text mode
Content available

The assessment of the COVID-19 pandemic's impact on the level of market risk in European companies on the basis of structural changes in the CAPM model

63%
Szczepocki P., Feder-Sempach E.
Wiadomości Statystyczne. The Polish Statistician
|
2025
|
vol. 70
|
issue 4
1-21
PL
Kryzys wywołany pandemią COVID-19 istotnie wpłynął na rynki finansowe. Głównym celem badania omawianego w artykule jest ocena wpływu pandemii na poziom ryzyka rynkowego w spółkach z indeksu STOXX Europe 600. Próba badawcza składała się z 243 spółek notowanych w euro z różnych krajów Europy i różnych branż. Dane, za lata 2014–2023, pobrano z bazy danych Refinitiv EIKON. Na podstawie notowań spółek przed pandemią i po jej wygaszeniu analizowano zmiany strukturalne w modelu wyceny aktywów kapitałowych (Capital Asset Pricing Model – CAPM), w którym średni poziom ryzyka rynkowego (systematycznego) jest mierzony współczynnikiem beta. Do weryfikacji zmian strukturalnych w określonym przedziale czasu (tu: podczas pandemii COVID-19) wykorzystano test Andrewsa. Z badania wynika, że zmiany strukturalne spowodowane pandemią COVID-19 nastąpiły w 56 spółkach, tj. 23% próby badawczej. Nie wszystkie kraje i branże zostały dotknięte kryzysem. Kraje charakteryzujące się spółkami o dużej kapitalizacji rynkowej, takie jak Francja, Niemcy, Belgia czy Hiszpania, odczuły jego skutki w większym stopniu niż kraje z firmami o mniejszej kapitalizacji rynkowej. Najwięcej zmian zaobserwowano w branży nieruchomości, w której pojawiło się najwięcej spółek agresywnych. Największą stabilnością odznaczała się branża dóbr podstawowych. Po kryzysie spowodowanym pandemią średni poziom ryzyka systematycznego mierzonego współczynnikiem beta wzrósł w 38 spółkach, a spadł w 18, co wskazuje na ogólny wzrost poziomu ryzyka rynkowego.
EN
The crisis caused by the COVID-19 pandemic had a considerable impact on financial markets. The main aim of the study presented in this paper is the assessment of the pandemic's impact on the level of market risk in the STOXX Europe 600 index companies. The study sample consisted of 243 companies from different European countries and industries listed in euros. The data, for the years 2014-2023, came from the Refinitiv EIKON database. On the basis of the companies' quotations before the pandemic and after its containment, structural changes in the Capital Asset Pricing Model (CAPM) were analysed. The CAPM model uses the beta coefficient to measure the average level of market (systematic) risk. The study uses the Andrews test to verify the structural changes in a specified period (here: throughout the COVID-19 pandemic). The results showed structural changes caused by the COVID-19 pandemic in 56 companies, i.e. 23% of the research sample. Not all countries or industries were affected by the crisis. Large stock market capitalisation countries, like France, Germany, Belgium or Spain were impacted to a larger degree than smaller ones. The most changes were observed in the Real Estate sector, marked by the largest number of aggressive companies. The Consumer Non-Cyclical Industry, on the other hand, was the least affected sector. After the COVID-19 crisis, the average level of systematic risk measured by the beta coefficient increased in 38 companies and decreased in 18, which indicates a generally higher level of market risk.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.