Valūtas kursa volatilitātes prognozēšana, izmantojot GARCH modeļus

Abstract

Valūtas kursa prognozēšana ir daudzu pētījumu objekts. Pasaulē viss mainās un cenas finanšu tirgū nav izņēmums, un nepieciešamība prognozēt tās izmaiņas kļuva vēl lielāka. Tādi tradicionālie modeļi kā ARMA ne vienmēr var adekvāti aprakstīt finanšu laikrindu ar tās īpatnībām. Tādēļ ir nepieciešams paplašināt tādus modeļus. Viena no valūtas kursa īpatnībām ir volatilitāte. Šis termins ir lietots, lai apraskstītu cenu svārstības. Vispārinātie nosacītas heteroskedastivitātes autoregresijas modeļi (GARCH) bieži tiek lietoti volatilitātes pētījumiem, lai atklātu sviras efektus, asimetrijas efektus vai klasteru veidošanas efektus. Darbā tiek izveidoti un aplūkoti GARCH, EGARCH un TGARCH modeļi trim valūtu pāriem: eiro-ASV dolārs(EUR/USD), eiro-Kanādas dolārs(EUR/CAD) un ASV dolārs-Japānas jena (USD/JPY) 4 gadu periodā (no 1. marta 2013. gada līdz 1.martam 2017. gada).

Exchange rate’s forecasting is a subject of recent research. Everything is changing in the world and prices are not an exclusion, and it has become more important to forecast their changes. Sometimes it is not enough to use traditional ARMA models for financial timeseries due to their properties. A volatility is one of the exchange rate’s properties, which is used for the price surges’ description. Generalized autoregressive conditional heteroscedasticity (GARCH) models are often used for analysing a market volatility, for example, to detect leverage effects, volatility clustering and asymmetric response to return shocks. The task of this thesis is to choose the most suitable GARCH model for each from three currency pairs: EUR/USD, EUR/CAD and USD/JPY.