최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.31 no.5, 2018년, pp.667 - 675
When a financial time series consists of daily (closing) returns, traditional volatility models such as autoregressive conditional heteroskedasticity (ARCH) and generalized ARCH (GARCH) are useful to figure out daily volatilities. With high frequency returns in a day, one may adopt various multivari...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
고빈도 자료란? | 고빈도(high frequency; HF) 자료란 하루에 많은 수의 수익률이 측정된 시계열을 지칭한다. 예를 들어 15분 단위로 관측된 고빈도 자료는 하루 6시간 거래로부터 n = 24개의 수익률로 구성된다. | |
fGARCH 모형과 GARCH 변동성 모형을 차이와 fGARCH 모형의 장점은? | 또한 β(t, s)가 영(zero)-함수인 경우에는 fGARCH(1, 1) 모형은 H¨ormann 등 (2013)의 fARCH(1)과 동일하다. Yoon 등 (2017)이 지적한 대로 전통적인 GARCH 변동성 모형들이 일일 수익률, 주중 수익률과 같이 비교적 장기적인 주기의 분석에 사용되었던 반면 함수적 변동성 모형은 연속시간(continuous time) 데이터를 이용하고 있으므로 일중 수익률의 연속적인 추론을 할 수 있는 장점이 있다. 또한 실현변동성과 비교했을 때 해당되는 날의 일중-수익률들만 이용하여 구하는 실현변동성/수정실현변동성과 달리 함수적 변동 성 모형에서는 해당일과 그 이전의 일중 데이터를 모두 이용하여 변동성을 파악하므로 실현변동성에 비해 데이터 활용도가 높다는 장점이 있다. | |
일반적인 금융시계열 변동성 연구 방법은? | 금융시계열 변동성 연구에서는 하루에 한 개의 일별 종가(daily closing price)로 구성된 시계열을 분석하여 일별변동성(daily volatility)을 제시하는 것이 일반적이다. 일별변동성 모델링은 generalized autoregressive conditional heteroskedasticity (GARCH) 모형 (Bollerslev, 1986)이 널리 이용되며 복잡한 고차의 GARCH 모형보다는 식 (1. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.