کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5088738 1478323 2015 53 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Is volatility clustering of asset returns asymmetric?
ترجمه فارسی عنوان
آیا خوشه بندی نوسانات دارایی ها نامتقارن است؟
کلمات کلیدی
ترجمه چکیده
خوشه نوسان پذیری یکی از ویژگی های شناخته شده بازده دارایی های مالی است. در این مقاله، الگوی نامتقارن در خوشه بندی نوسان با استفاده از یک رویکرد مجذور کپول چن و فن (2006) مورد بررسی قرار می گیرد. با استفاده از تحولات هسته ای تحقق یافته از داده های فرکانس بالا از بازارهای سهام و ارزهای خارجی، شواهدی وجود دارد که خوشه بندی نوسانات بسیار غیر خطی و بسیار نامتقارن است زیرا خوشه های نوسان پذیری زیاد بیشتر از خوشه های نوسان پذیری کم هستند. برای اطلاع از این مهم، این مقاله اولین کسی است که این پدیده را مورد توجه و کشف قرار می دهد. به طور خاص، عدم تقارن در خوشه بندی نوسان پذیری در بازار سهام بیشتر از بازارهای ارز خارجی مشهود است. علاوه بر این، خوشه های نوسان پذیری بیش از یک ماه پایدار می باشند و نامتقارن در دوره های زمانی مختلف. یافته های ما پیامدهای مهمی برای مدیریت ریسک دارد. یک مطالعه شبیه سازی نشان می دهد که مدل هایی که خوشه بندی نوسان نامتقارن را می پذیرند، می توانند به طور قابل توجهی پیش بینی های غربالگری ارزش در معرض خطر را بهبود بخشد.
موضوعات مرتبط
علوم انسانی و اجتماعی اقتصاد، اقتصادسنجی و امور مالی اقتصاد و اقتصادسنجی
پیش نمایش مقاله
آیا خوشه بندی نوسانات دارایی ها نامتقارن است؟
چکیده انگلیسی
Volatility clustering is a well-known stylized feature of financial asset returns. This paper investigates asymmetric pattern in volatility clustering by employing a univariate copula approach of Chen and Fan (2006). Using daily realized kernel volatilities constructed from high frequency data from stock and foreign exchange markets, we find evidence that volatility clustering is highly nonlinear and strongly asymmetric in that clusters of high volatility occur more often than clusters of low volatility. To the best of our knowledge, this paper is the first one to address and uncover this phenomenon. In particular, the asymmetry in volatility clustering is found to be more pronounced in the stock markets than in the foreign exchange markets. Further, the volatility clusters are shown to remain persistent for over a month and asymmetric across different time periods. Our findings have important implications for risk management. A simulation study indicates that models which accommodate asymmetric volatility clustering can significantly improve the out-of-sample forecasts of Value-at-Risk.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Banking & Finance - Volume 52, March 2015, Pages 62-76
نویسندگان
, , ,