Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Modelli Garch in finanza con estensione ai momenti di ordine superiore

I modelli ARCH (AutoRegressive Conditional Heteroscedasticity) furono introdotti da R. Engle nel 1982 per la modellizzazione generale di serie storiche statistiche. L'idea alla base di tali modelli è che la varianza condizionata non sia costante nel tempo ma dipenda dalla storia passata della variabile oggetto di studio.
Dalla sua introduzione, il processo ARCH originale ha subito numerose modifiche. La più importante di esse è rappresentata dal modello GARCH (Generalized AutoRegressive Conditional Heteroscedasticity). Nell'arco di venti anni, il modello ARCH originale e le sue generalizzazioni sono state applicate a numerose serie storiche e finanziarie.
Il limite di tali modelli è dato dal fatto che l'attenzione viene rivolta principalmente solo ai primi due momenti condizionati.
In questo lavoro la famiglia dei modelli ARCH viene generalizzata in modo da rimuovere l'ipotesi di normalità attraverso l'introduzione di una nuova classe di processi stocastici. Questa nuova classe trova applicazione in tutti quei casi nei quali l'ipotesi di errori gaussiani sia improponibile, ad esempio quando è noto che i dati sono asimmetrici. In questo modo è possibile determinare i primi quattro momenti condizionati della variabile oggetto di studio, i quali rappresentano gli unici momenti che sono utili ai fini di una corretta analisi dell'intera distribuzione.
E' stata inoltre effettuata un'applicazione di questa nuova classe di processi stocastici ipotizzando che gli errori dalla media abbiano una distribuzione Gamma. Si è poi effettuata la stima di tale modello attraverso una semplice simulazione dei dati. In tale contesto sono stati analizzati solo i primi tre momenti condizionati, media, varianza e asimmetria, avendo considerato, per semplicità dell'analisi, la variabile casuale Gamma con un solo parametro, ossia la Gamma incompleta. In questo modo si è ipotizzato che il quarto momento condizionato, ovvero la curtosi, fosse funzione del secondo e del terzo momento condizionato.

Mostra/Nascondi contenuto.
Introduzione A partire dagli anni '80 sono apparsi, nella letteratura econometrica e statisti- ca, i primi contributi sulla modellizzazione del comportamento delle variabili dei mercati ¯nanziari riconoscendo e formalizzando l'ipotesi che gli agenti economici agiscano in condizioni d'incertezza mutabile nel tempo. In genera- le questa problematica, da sempre presente in tale contesto economico, µe stata inizialmente a®rontata con i lavori di Mandelbrot (1963, 1969), nei quali si rilevava come le distribuzioni empiriche delle di®erenze prime del logaritmo del valore di alcuni titoli azionari, seppure simmetriche, non si conformasse- ro all'ipotesi di normalitµa. Granger e Morgenstern (1963) indicarono, sulla base dell'impiego dell'analisi spettrale, che l'andamento del corso dei titoli se ben si adattava, nel breve periodo, alla preminente ipotesi di un random walk di tipo gaussiano, lo stesso modello si rivelava comunque inadeguato nel descrivere i movimenti di medio-lungo periodo. La presenza di " volatilitµa ", o eteroschedasticitµa o variabilitµa della varianza condizionata di una serie temporale, µe stata anche analizzata nel contesto ma- croeconomico relativamente al fenomeno dell'in°azione. ¶ Eversolametµadegli anni settanta, in connessione al manifestarsi dei primi sintomi di instabilitµa delle economie occidentali, che nella letteratura economica sorge l'attenzione i

Tesi di Laurea

Facoltà: Economia

Autore: Luca Nepa Contatta »

Composta da 123 pagine.

 

Questa tesi ha raggiunto 3792 click dal 20/03/2004.

 

Consultata integralmente 7 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.