Vícerozměrné finanční časové řady

Abstract

V této práci popíšeme metody pro modelování vícerozměrných finančních časových řad. Zaměříme se, jak na modelování střední hodnoty pomocí vícerozměrných Boxových-Jenkinsových procesů, tak především na mode- lování podmíněných korelací a volatility. Hlavní pozornost budeme věnovat DCC (Dynamic Conditional Correlation) modelu, odhadu jeho parametrů a některým jeho dalším zobecněním. DCC model poté naprogramujeme ve statistickém softwaru R a aplikujeme na reálná data. V aplikacích se budeme zabývat problémy vysoké dimenze finančních časových řad a modelováním podmíněných korelací dat, která obsahují odlehlá pozorování.

In this work we will describe methods for modeling multivariate financial time series. We will concentrate on both modeling expected value by multi- variate Box-Jenkins processes and primarily on modeling conditional corre- lations and volatility. Our main object will be DCC (Dynamic Conditional Correlation) model, estimation of its parameters and some other general- izations. Then we will programme DCC model in statistical software R and apply on real data. In applications we will concentrate on problem of high dimension of financial time series and on modeling conditional correlations data with outliers.