DYNAMICZNE MODELE EKONOMETRYCZNE

Podobne dokumenty
Kurtoza w procesach generowanych przez model RCA GARCH

DYNAMICZNE MODELE EKONOMETRYCZNE

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Finansowe szeregi czasowe wykład 7

Monika Kośko Wyższa Szkoła Informatyki i Ekonomii TWP w Olsztynie Michał Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu

FINANSOWE SZEREGI CZASOWE WYKŁAD 3

Efekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA

Piotr Fiszeder Uniwersytet Mikołaja Kopernika w Toruniu Juliusz Preś Politechnika Szczecińska

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x

EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE

EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ Joanna Górka WŁASNOŚCI PROGNOSTYCZNE MODELI KLASY RCA *

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE

Podstawowe algorytmy indeksów giełdowych

WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu

Natalia Nehrebecka. Zajęcia 4

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

OCENA RYZYKA INWESTYCJI W METALE SZLACHETNE W OKRESIE ŚWIATOWEGO KRYZYSU FINANSOWEGO

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzata Doman Akademia Ekonomiczna w Poznaniu

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Matematyka ubezpieczeń majątkowych r.

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXVIII Egzamin dla Aktuariuszy z 29 września 2014 r.

Podstawy teorii falek (Wavelets)

MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE

OeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Kier. MTR Programowanie w MATLABie Laboratorium

METODY KOMPUTEROWE 10

MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp

DYNAMICZNE MODELE EKONOMETRYCZNE

Jerzy Czesław Ossowski Katedra Ekonomii i Zarzdzania Przedsibiorstwem Wydział Zarzdzania i Ekonomii Politechnika Gdaska

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Proces narodzin i śmierci

Brak arbitrażu na rynkach z proporcjonalnymi kosztami transakcji *

Magdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości

Ekonometryczne modele nieliniowe

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 2009.

O problemie modelowania stopy procentowej

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH

Modelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych

DYNAMICZNE MODELE EKONOMETRYCZNE

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

DYNAMICZNE MODELE EKONOMETRYCZNE

Prognozowanie cen detalicznych żywności w Polsce

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN Nr

MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE

EKONOMETRIA. metody analizy i wykorzystania danych ekonomicznych

Transakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20

Wyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH

7. Wykład VII: Warunki Kuhna-Tuckera

Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Natalia Nehrebecka. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Pobieranie próby. Rozkład χ 2

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

WNIOSKOWANIE STATYSTYCZNE

ψ przedstawia zależność

HSC Research Report. Principal Components Analysis in implied volatility modeling (Analiza składowych głównych w modelowaniu implikowanej zmienności)

Weryfikacja hipotez dla wielu populacji

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

Natalia Nehrebecka. Wykład 2

KRZYSZTOF JAJUGA Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)

13. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,1998)

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

; -1 x 1 spełnia powyższe warunki. Ale

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

(estymator asymptotycznej macierzy kowariancji estymatora nieliniowej MNK w MNRN)

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

Model ISLM. Inwestycje - w modelu ISLM przyjmujemy, że inwestycje przyjmują postać funkcji liniowej:

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

w łącznej analizie zmiennych licznikowych

Prawdopodobieństwo i statystyka r.

Transkrypt:

DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolske Semnarum Naukowe, 4 6 wrześna 007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaa Kopernka w Torunu Unwersye Mkołaa Kopernka w Torunu Ops kurozy rozkładów za pomocą wybranych model z funkcą znaku. Wsęp Badana rynków fnansowych wykazały, ż procesy fnansowe, ake ak sopy zwrou, kursy walu nne charakeryzuą sę lepokurycznoścą rozkładów zmenną warancą warunkową. Wdoczna es równeż nesymeryczna reakca zmennośc na poawene sę pozyywnych negaywnych nformac (zman sóp zwrou. Waranca cen akc wzrasa w odpowedz na poawene sę negaywnych nformac spada w odpowedz na pozyywne nformace. Zawsko o nazywa sę powszechne efekem dźwgn. W modelach akch ak EGARCH, GJR oraz TARCH uwzględnona es uemna korelaca pomędzy sopam zwrou ch zmennoścą (Brzeszczyńsk, Kelm, 00; Doman, Doman, 004; Fszeder, 00; Fornar, Mele, 997. Fornar Mele (997 zaproponowal neco nny sposób uwzględnena asymerycznośc nż o es dla model GJR. W swoe pracy pokazal, że proponowane przez nch modele prowadzą do lepszych nerpreacyne wynków nż w przypadku zasosowana model GJR. W leraurze przedmou, nelnowa dynamka rynków fnanowych naczęśce opsywana es poprzez modele z klasy GARCH (Bollerslev, 986; Engle, 98. Innym, alernaywnych podeścem opsu procesów fnansowych są modele auoregresyne z losowym parameram (RCA (Ncholls, Qunn, 98. Naomas modele RCA GARCH z nnowacam z rozkładu normalnego (Thavaneswaran, Appadoo, Samana, 005 mogą sanowć alernaywę do model GARCH z rozkładem -Sudena (lub podobnym (Górka, 007b. Uwzględnene funkc znaku w modelu RCA wskazue, że zmana warośc parameru zależy od znaku obserwac poprzedne. Podobne es w przypadku modelu RCA GARCH.

Celem nneszego arykułu es przedsawene wybranych model z funkcą znaku. Szczególna uwaga zosała zwrócona na własnośc procesów generowanych przez poszczególne modele, a zwłaszcza na warość kurozy procesu warunk e snena.. Modele RCA z funkcą znaku Modele auoregresyne z losowym parameram (RCA są nauralnym uogólnenem klasycznych lnowych model auoregresynych. Pełny ops ych model wraz z własnoścam, meodam esymac oraz aplkacę można znaleźć w pracy Ncholls Qunn (98. Klasyczny saconarny ednowymarowy model auoregresyny rzędu perwszego z losowym paramerem można zapsać w posac: y = α + y + ε, ( gdze ~ ε ( d 0 σ, 0 0 0, ( σ ε α + σ <. (3 Warunek (3 es warunkem konecznym wysarczaącym saconarnośc drugego rzędu procesu y. Warunk (-(3 gwaranuą ścsłą saconarność procesu. Model (, przy odpowednch założenach, może być modelem ypu AR, STUR, RCA(, p (Górka, 007a; Lee, 998. Jeżel spełnone są warunk (-(3, o proces ( ma nasępuące własnośc (Appadoo, Thavaneswaran, Sngh, 006; Aue, 004: E( y = 0, (4 σ ε ( y = E, (5 α σ 3 ( α σ + 4 4 ( α + 6α σ + 3σ. (6 Zaem proces charakeryzue sę zerową średną oraz sałą warancą kurozą. Warość waranc dla procesu opsanego modelem RCA( es wększa nż dla procesu opsanego AR(. Jeżel σ = 0 (. dla modelu AR(, o warość kurozy (6 redukue sę do warośc 3. Warunek koneczny wysępowana 4 4 kurozy ma posać α + 6α σ + 3σ <. Saconarny model RCA z funkcą znaku ma posać (Thavaneswaran, Appadoo, 006: y ( α + + Φs y + ε =, (7

Ops kurozy rozkładów za pomocą wybranych model z funkcą znaku 3 gdze spełnone są warunk (-(3 oraz dla y > 0 s = 0 dla y = 0. (8 dla y < 0 Jeżel α + > Φ, o uemna warość Φ oznacza, że dla uemnych (dodanch obserwac w czase maleą (rosną warośc w czase. W przypadku sóp zwrou oznaczałoby o, że po spadkach noowań nasępuą wększe nż oczekwane spadk, naomas w przypadku wzrosu noowań nasępuą mnesze nż oczekwane wzrosy noowań. Jeżel spełnone są warunk (-(3, o proces (7 ma nasępuące własnośc (Thavaneswaran, Appadoo, 006: E( y = 0, (9 σ ε ( y = E, (0 α σ Φ 3 ( α + σ + Φ 4 4 4 [ α + Φ + 6[ α σ + Φ ( α + σ ] + 3σ ]. ( Zaem proces opsany równanem (7 charakeryzue sę zerową średną oraz sałą warancą kurozą. Warunek koneczny wysępowana kurozy ma posać: 4 4 4 [ α σ + Φ ( α + σ ] + 3σ < α + Φ + 6. ( Jeżel σ = 0 oraz Φ = 0, o warość kurozy ( redukue sę do warośc 3. Z porównana własnośc (4-(6 modelu RCA oraz własnośc (9-( modelu RCA z funkcą znaku wynka, że wprowadzene funkc znaku do modelu RCA powodue zwększene warośc waranc oraz kurozy w sosunku do ych welkośc dla procesu opsanego modelem RCA bez funkc znaku. 3. Modele GARCH z funkca znaku Ogólny model y σ GARCH(p, q opsany es równanam: = σ ε, (3 q p = + ω α y + = gdze ~ d( 0, β σ ε, ω > 0, α 0 oraz β 0., (4 Wzory na eoreyczną warośc kurozy dla procesów generowanych przez poszczególne modele GARCH, są podawane w leraurze z ego zakresu (np.

4 Doman, Doman, 004. Brak es ogólnego wzoru na warość kurozy procesu opsanego równanam (3-(4. Ponże zaprezenowany będze bardze ogólny wzór na kurozę dla welu model z klasy GARCH (zn. z różnym rozkładam resz W celu zapsana ogólnego wzoru na kurozę modelu GARCH bez względu na yp rozkładu model (3-(4 należy zapsać w posac ARMA. Jeżel u = σ es różncą maryngałową o waranc var( u = σ, o model y (6-(7 może być nerpreowany ako model ARMA(m, q dla posac: lub m p = ω + = ( α + β y β u u y + ( ( u y (5 φ B y = ω + β B u, (6 m gdze ( ( = m p φ B = α + β B φ B, ( = = m = max{ p, q}, α = 0 dla > q oraz β = 0 dla > p. β β B, B Warunkam saconarnośc dla y, kóry ma reprezenace ARMA(m,q, są (Thavaneswaran, Appadoo, Samana, 005: (Z. Wszyske perwask równana charakerysycznego φ ( B = 0 leżą poza kołem ednoskowym. (Z. 0 ψ <, gdze ψ są współczynnkam welomanu spełnaącego równane ψ ( B φ( B = β ( B posac ( + Założena e gwaranuą neskorelowane ψ B ψ B. =, średną zero skończoną warancę dla u oraz o, że proces y es saconarny w szerszym sense. Jeżel model GARCH(p,q opsany równanem (6 spełna warunk (Z.- (Z. ma skończony bezwarunkowy momen czwarego rzędu, o kurozę K procesu y opsanego równanem (6 można zapsać (Thavaneswaran, Appadoo, Samana, 005: E 4 E( ε 4 4 ( ε [ E( ε ] ψ 0 u. (7 Warośc paramerów konkrenego modelu są zaware w poszczególnych waroścach wag. Wyprowadzena wzorów na warość kurozy dla przykładowych model GARCH z nnowacam z rozkładu normalnego oraz - Sudena można znaleść w pracy Górka (007b. Funkca znaku do model GARCH zosała wprowadzona przez Fornar, Mele (997. Ogólny model GARCH(p, q z funkcą znaku opsany es równanam:

y Ops kurozy rozkładów za pomocą wybranych model z funkcą znaku 5 = σ ε, y I ~ N( 0 σ, (8 σ = ω + q α y gdze ~ d( 0, + p =, β σ + l k= Φ s k k, (9 ε, ω > 0, α 0, β 0, s określone es wzorem (9, zaś Φk ω. Osan warunek gwaranue neuemne warośc { σ }. Podobne ak dla modelu GARCH (3-(4, w leraurze przedmou podęe zosały próby znalezena ogólnego wzoru na kurozę procesu (Thavaneswaran, Appadoo, 006. Jednakże, przedsawony przez Thavaneswaran, Appadoo (006 ogólny wzór na kurozę ne dae wynków, w przypadku konkrenych model, orzymanych przez auorkę czy przez Fornar, Mele (997. Znalezene ogólne posac wzoru na kurozę procesu GARCH z funkcą znaku, zdanem auork, es możlwe ednakże wymaga eszcze dalszych badań. Nech dany będze model ARCH( z funkcą znaku posac: y = σ ε, σ ω + α y + Φs, (0 gdze ~ N( 0, = ε, ω > 0, α 0, Φ ω, zaś s określone es wzorem (8. Jeżel Φ < 0, o wówczas dla uemnych (dodanch obserwac w czase wzrasa (malee waranca warunkowa w czase. Zaem uemna warość Φ określa uemną korelacę pomędzy zmennoścą sopam zwrou. Zakładaąc, że spełnone są warunk saconarnośc dla procesu odpowadaącego równanom (0, orzymuemy: E( y = 0, ( ( ω E y =, ( α ( α + 3ω ( α ω ( 3α 3Φ. (3 Zaem, funkca znaku ne wpływa na warość średną oraz warość waranc bezwarunkowe procesu. Naomas warość kurozy procesu opsanego 3Φ ( α równanam (0 ulega zwększenu o ω ( 3α. Ne zmena sę równeż warunek koneczny snena kurozy (Górka, 007b, zn. α <. 3 W podobny sposób można orzymać kurozę procesu opsanego przez model GARCH(, z funkca znaku. Nech dany będze model opsany równanam: y = σ ε, σ ω + α y + β σ + Φs, (4 = y

6 ε, ω > 0, α 0, β 0, Φ ω, zaś określone es gdze ~ N( 0, wzorem (8. Wówczas, przy spełnenu warunków saconarnośc dla procesu y, orzymuemy: E( y = 0, (5 ( ω E y =, (6 α β ( α + β + 3Φ ( ( α + β ( ( α + β α ω 3ω. (7 Podobne ak w przypadku modelu ARCH( z funkcą znaku, w przypadku modelu GARCH(, z funkcą w sosunku do zwykłego (z nnowacam z rozkładu normalnego modelu GARCH rośne warość kurozy procesu, zaś warość średna oraz waranca bezwarunkowa ne ulega zmane. Ne ulega równeż zmane warunek, przy kórym kuroza procesu snee (Górka, 007b, zn.: ( α + β + α <. Reasumuąc, wprowadzene funkc znaku do model GARCH powodue edyne zwększene warośc kurozy. Jeżel Φ = 0, o wzory (3 (33 na kuroze procesu redukuą sę do wzorów na kurozę procesów generowanych przez odpowednch modele GARCH (Górka, 007b. 4. Modele RCA GARCH z funkcą znaku Modele RCA GARCH, w omawane posac, zosały zaproponowane przez Thavaneswaran, Appadoo, Samana (005. W modelach RCA GARCH, analogczne ak w przypadku modelu AR, wprowadza sę losowość parameru do modelu GARCH (Górka, 007b; Thavaneswaran, Appadoo, Samana, 005. Gdy do modelu RCA GARCH dodana zosane eszcze funkca znaku, o orzymue sę model RCA GARCH z funkcą znaku. Funkca a es ednak dodana w nny sposób nż w przypadku model GARCH z funkcą znaku. Model RCA ARCH( z funkcą znaku ma posać: y = σ ε, ( = ω + α + a + Φs y σ, (8 gdze ε ~ N( 0, σ ε, ( ~ N 0, a a σ, zaś s określone es wzorem (8. Uemna warość Φ oznacza, że dla uemnych (dodanch obserwac w czase rośne (malee zmenność w czase. Jeżel przymemy u = y σ, o równane waranc warunkowe ma posać: ( α + a + Φs y u = ω + y + s. (9

Ops kurozy rozkładów za pomocą wybranych model z funkcą znaku 7 Zaem, równane waranc w modelu RCA ARCH( z funkcą znaku może być nerpreowane ako model RCA z funkcą znaku dla. Przy założenu y saconarnośc procesu orzymuemy (por. Thavaneswaran, Appadoo, 006: E( y = 0, (30 ( σ ε ω σ ε 3 α ε α + E y =, (3 α 3σ 4 ( σ ( σ + Φ ε. (3 a W ym przypadku zmenła sę (zwększyła ylko warość kurozy. Warunek koneczny snena kurozy dla modelu RCA ARCH z funkca znaku, o α σ + Φ <. Waro zwrócć uwagę, że warunek en, w sosunku do σ ε ( + a 3 warunku na kurozę procesu generowanego przez model RCA GARCH, zmenł sę. W przypadku losowośc parameru soącego przy y w modelu GARCH(, mamy do czynena z modelem RCA GARCH(,, kóry zapsue sę w posac: y = σ ε, = ω + ( α + a + Φs y + βσ σ, (33 gdze ε N( 0, σ, ( ~ N 0, a ~ ε a σ, zaś s określone es wzorem (8. Przy założenu saconarnośc procesu orzymuemy: y E( y = 0, (34 ( ε ε εα σ ω E y =, (35 σ β 3 +. (36 σ α β 3 ( ασ β ε 4 σ ( α + σ +Φ β ε a Dla modelu RCA GARCH z funkcą znaku równeż ulega podwyższenu edyne warość kurozy procesu. Warunek koneczny wysępowana kurozy dla procesu opsanego modelem RCA GARCH(, z funkcą znaku wynos 4 σ εαβ + 3σ ε ( α + σ a + Φ + β <. W każdym, z przedsawonych przypadków wprowadzene funkc znaku prowadzło do podwyższena warośc kurozy procesu. Dla Φ = 0 wzory (3 (36 na kurozę procesu redukuą sę do wzorów na kurozę procesów generowanych przez odpowednch modele RCA GARCH (Górka, 007b. y

8 5. Podsumowane W arykule przedsawono wybrane modele z funkcą znaku, pozwalaące na ops nesymeryczne reakc zmennośc (lub, w przypadku modelu RCA sóp zwrou na poawene sę pozyywnych negaywnych nformac. Warość parameru przy funkc znaku, dla każdego przedsawanego modelu, ma wpływ na warość kurozy procesu powoduąc e zwększene. Warunk koneczne snena kurozy procesu, wskazuą na ogranczena sosowana rozkładu normalnego dla nnowac w przedsawanych modelach. Leraura Appadoo, S.S., Thavaneswaran, A., Sngh, J. (006, RCA Models wh Correlaed Errors, Appled Mahemacs Leers, 9, 84 89. Aue, A. (004, Srong Approxmaon for RCA( Tme Seres wh Applcaons, Sascs & Probably Leers, 68, 369 38. Bollerslev, T. (986, Generalzed Auoregressve Condonal Heeroscedascy, Journal of Economercs, 3, 307 37. Brzeszczyńsk, J., Kelm, R. (00, Ekonomeryczne modele rynków fnansowych. WIG-Press, Warszawa. Engle, R. F. (98, Auoregressve Condonal Heeroscedascy wh Esmaes of he Varance of Uned Kngdom Inflaon, Economerca, 50, 987 006. Doman, M., Doman, R. (004, Ekonomeryczne modelowane dynamk polskego rynku fnansowego, Wyd. AE w Poznanu, Poznań. Fszeder, P. (00, Zasosowane model GARCH w analze krókookresowych zależnośc pomędzy Warszawską Gełdą Paperów Waroścowych a mędzynarodowym rynkam akc, Przegląd Saysyczny, Zeszy 3 4, 345 364. Fornar, F., Mele, A. (997, Sgn- and Volaly-Swchng Arch Models: Theory and Applcaons o Inernaonal Sock Markes, Journal of Appled Economercs,, 49 65. Górka, J. (007a, Modele auoregresyne z losowym parameram, w: Osńska M. (red., Procesy STUR. Modelowane zasosowane do fnansowych szeregów czasowych, Wydawncwo TNOK, Toruń. Górka J., (007b, Kuroza w procesach generowanych przez model RCA GARCH, Modelowane Prognozowane Gospodark Narodowe, w druku. Lee, S. (998, Coeffcen Consancy Tes n a Random Coeffcen Auoregressve Model, Journal of Sascal Plannng and Inference, 74, 93 0. Ncholls, D.F., Qunn, B.G. (98, Random Coeffcen Auoregressve Models: An Inroducon, Sprnger, New York. Thavaneswaran, A., Appadoo, S.S. (006, Properes of a New Famly of Volaly Sng Models, Compuers and Mahemacs wh Applcaons, 5, 809 88. Thavaneswaran,, A., Appadoo, S.S., Samana, M. (005, Random Coeffcen GARCH Models, Mah. Compu. Modellng, 4, 73 733.