http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 최문선(M. S. Choi) (검색결과 7 건)
- 무료
- 기관 내 무료
- 유료
-
연속형-GARCH 시계열의 범주형화(Clipping)를 통한 분석
최문선,백지선,황선영,Choi, M.S.,Baek, J.S.,Hwan, S.Y. 한국통계학회 2010 응용통계연구 Vol.23 No.4
본 논문에서는 연속형-GARCH 시계열 자료인 금융 시계열 자료에 대해서 클리핑(clipping)을 통해 얻은 이항(binary) 범주형 시계열을 분석하고 응용하는 방안에 대해 연구하고 있다. 모수추정 방법을 소개하고 있으며 이를 이용하여 이분산 시계열과 연관된 확률을 추정하는 방법을 예시하였다. This short article is concerned with a categorical time series obtained after clipping a heteroscedastic GARCH process. Estimation methods are discussed for the model parameters appearing both in the original process and in the resulting binary time series from a clipping (cf. Zhen and Basawa, 2009). Assuming AR-GARCH model for heteroscedastic time series, three data sets from Korean stock market are analyzed and illustrated with applications to calculating certain probabilities associated with the AR-GARCH process.
-
사후검증(Back-testing)을 통한 다변량-GARCH 모형의 평가: 사례분석
황선영,최문선,도종두,Hwang, S.Y.,Choi, M.S.,Do, J.D. 한국통계학회 2009 응용통계연구 Vol.22 No.2
주식 수익률, 환율 등과 같은 금융 자료를 이해하는데 있어서 최근의 국제 금융위기를 통해 더욱 중요해진 이슈는 바로 변동성(volatility)이다. 변동성(조건부 이분산성)에 대한 모형은 Engle (1982)의 ARCH 모형과 Bollerslev (1986)의 GARCH 모형을 시작으로 수만은 연구가 이루어졌으며 특히 금융 시계열 분석에서는 시계열 자료들 간의 변동성을 함께 모형화 하는 MGARCH(multivariate GARCH) 모형이 널리 이용되고 있다. 추정된 MGARCH 모형들은 그 자체로서 여러 개의 변동성들 간의 시간에 따른 동적인 관계를 설명해주는 데 유용할 뿐만 아니라 추정된 (조건부)상관계수들은 hedge ratio 계산 또는 VaR 계산 등과 같이 금융시장에 대한분석에도 이용되고 있다. 본 논문에서는 국내 14개 최신 주가자료에 대한 MGARCH 분석을 수행하고 연관된 사후검증(back-testing)을 통해 MGARCH 모형들을 평가하고 있으며 사후검증 수치를 얻기 위한 S-PLUS 프로그램을 수록하였다. Current financial crisis triggered by shaky U.S. banking system adds to the emphasis on the importance of the volatility in controlling and understanding financial time series data. The ARCH and GARCH models have been useful in analyzing economic time series volatilities. In particular, multivariate GARCH(MGARCH, for short) provides both volatilities and conditional correlations between several time series and these are in turn applied to computations of hedge-ratio and VaR. In this short article, we try to assess various MGARCH models with respect to the back-testing performances in VaR study. To this end, 14 korean stock prices are analyzed and it is found that MGARCH outperforms rolling window, and BEKK and CCC are relatively conservative in back-testing performance.
-
DCC 모델링을 이용한 다변량-GARCH 모형의 분석 및 응용
최성미,홍선영,최문선,박진아,백지선,황선영,Choi, S.M.,Hong, S.Y.,Choi, M.S.,Park, J.A.,Baek, J.S.,Hwang, S.Y. 한국통계학회 2009 응용통계연구 Vol.22 No.5
금융 시계열 자료들 간의 상관계수는 자산의 배분, 위험관리 그리고 포트폴리오의 선택에 있어서 중요한 역할을 한다. 이러한 상관계수들을 모형화하기 위해 단변량-GARCH 모형을 다변량-GARCH 모형으로 확장시킨 MGARCH류 모형들에 대한 많은 연구들이 진행되고 있다. 특히, CCC 모형 (Bollerslev, 1990)과 DCC 모형 (Engle, 2002)은 다른 모형들에 비해 추정해야 할 모수의 수가 작다는 이점으로 인해 분석에 널리 쓰이고 있다. 본 논문에서는 국내 주가자료에 대해 CCC 모형과 DCC 모형을 적합시킨 후, 각 모형들에 대한 VaR(value at risk)와 사후검증(back-testing), 결합예측영역(joint prediction region) 등을 통하여 두 모형의 예측 능력을 비교해 보고자 한다. Conditional correlation between financial time series plays an important role in risk management, asset allocation and portfolio selection and therefore diverse efforts for modeling conditional correlations in multivariate-GARCH processes have been made in last two decades. In particular, CCC (cf. Bollerslev, 1990) and DCC(dynamic conditional correlation, cf. Engle, 2002) models have been commonly used since they are relatively parsimonious in the number of parameters involved. This article is concerned with DCC modeling for multivariate GARCH processes in comparison with CCC specification. Various multivariate financial time series are analysed to illustrate possible advantages of DCC over CCC modeling.
-
-
금융시계열 분석을 위한 다변량-GARCH 모형에서 비대칭-CCC의 도입 및 응용
박란희,최문선,황선,Park, R.H.,Choi, M.S.,Hwan, S.Y. 한국통계학회 2011 응용통계연구 Vol.24 No.5
다변량-GARCH 분야에서 비대칭모형에 대한 연구는 상대적으로 미진하다 (McAleer 등, 2009). 본 논문에서는 다변량-GARCH 시계열에서 비대칭 모형과 상수 조건부 상관모형(CCC)을 도입하여 모델링하는 방법론에 대해 연구하고 있다. 다변량 비대칭 변동성 모형 적합 방법을 실용적으로 소개하고 있으며 이를 이용하여 국내 다변량 시계열 분석을 상세히 예시하였다. It has been relatively incomplete in the field of financial time series to adapt asymmetric features to multivar ate GARCH processes (McAleer et al., 2009). Retaining constant conditional correlation(CCC) structure, this article pursues to introduce asymmetric GARCH modelling in analysing multivariate volatilities in time series in a practical point of view. Multivariate Korean financial time series are analyzed in detail to compar our theory with conventional methodologies including GARCH and EGARCH.
-
Absolute-Value-GARCH 모형을 이용한 국내 금융시계열의 Taylor 성질에 대한 사례연구
백지선,황선영,최문선,Baek, J.S.,Hwang, S.Y.,Choi, M.S. 한국통계학회 2010 응용통계연구 Vol.23 No.1
금융시계열 변동성의 의존성(dependency)은 멱변환된 절대수익률의 자기상관함수를 이용하여 측정할 수 있다. 이때, 절대수익률의 자기상관이 제곱수익률의 자기상관보다 더 강하게 나타나는 성질을 Taylor 성질이라고 한다. 본 논문에서는 여러 가지 국내 금융시계열 자료에 대하여 absolute-value GARCH(1,1)(AVGARCH(1,1)) 모형을 적합하고, Haas (2009)가 제안한 방법을 이용하여 Taylor 성질의 존재여부에 대하여 살펴보았다. The time series dependencies of Financial volatility are frequently measured by the autocorrelation function of power-transformed absolute returns. It is known as the Taylor property that the autocorrelations of the absolute returns are larger than those of the squared returns. Hass (2009) developed a simple method for detecting the Taylor property in absolute-value-GAROH(1,1) (AVGAROH(1,1)) model. In this article, we fitted AVGAROH(1,1) model for various Korean financial time series and observed the Taylor property.
-
제곱수익률 그래프와 TGARCH 모형을 이용한 비대칭 변동성 분석
박진아,송유진,백지선,황선영,최문선,Park, J.A.,Song, Y.J.,Baek, J.S.,Hwang, S.Y.,Choi, M.S. 한국통계학회 2007 응용통계연구 Vol.20 No.3
일반적인 ARCH 형태의 모형들은 자산수익률의 급첨 (leptokurtic; heavy-tail) 성질과 변동성 집중 (volatility clustering) 현상 등의 특징을 잘 포착해내는 반면, 수익률의 부호에 따른 비대칭 레버리지 효과 (leverage effect)는 반영 할 수 없다는 단점을 가진다. 따라서 최근 금융 시계열 분야에서는 비대칭-조건부-이분산 시계열 모형에 대한 관심이 높아지고 있다. 본 연구에서는 국내 금융 시계열자료 (KOSPI, KOSDAQ, 환율, 채권, 주요종목의 주가)의 수익률 제곱을 그래프화 하여 비대칭 이분산성을 시각적으로 탐지하고 이를 바탕으로 비대 칭 TGARCH(1,1) 모형을 적합한 후 기존의 대칭 GARCH(1,1) 모형과 비교분석하고자 한다. As is pointed out by Gourieroux (1997), the volatility effects in financial time series vary according to the signs of the return rates and therefore asymmetric Threshold-GARCH (TGARCH, henceforth) processes are natural extensions of the standard GARCH toward asymmetric volatility modeling. For preliminary detection of asymmetry in volatility, we suggest graphs of squared-log-returns for various financial time series including KOSPI, KOSDAQ and won-Euro exchange rate. Next, asymmetric TGARCH(1,1) model fits are provided in comparisons with standard GARCH(1.1) models.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
