Office of Academic Resources
Chulalongkorn University
Chulalongkorn University

Home / Help

Titleการเปรียบเทียบความแม่นยำของแบบจำลองการพยากรณ์ความผันผวนของ SET50 INDEX / วีรจักร์ จึงเกียรติขจร=The comparison of accuracy of forecasting volatility model for SET50 index
Author Werajak Jungkiatkajorn
Imprint 2555
Descript ก-ช: 34 แผ่น, ตาราง

SUMMARY

การศึกษาครั้งนี้เป็นการประยุกต์ใช้แบบจำลองในการพยากรณ์ความผันผวน 3 แบบ ได้แก่ Historical Volatility, Exponentially Weighted Moving Average (EWMA), และ Generalized Autoregressive Conditional Heteroscedastic (GARCH) เพื่อทดสอบความแม่นยำในการพยากรณ์ความผันผวนของอัตราผลตอบแทนรายวันของ SET50 INDEX ช่วงเวลาที่ทำการศึกษาเริ่มตั้งแต่วันที่ 2 มกราคม 2551 จนถึงวันที่ 30 ธันวาคม 2553 รวมเวลา 732 วัน การวัดแม่นยำของความผันผวนที่ได้จากการพยากรณ์จะเปรียบเทียบกับความผันผวนที่เกิดขึ้นจริงในช่วงเวลา 30 วัน 90 วัน และ 180 วันข้างหน้า โดยใช้รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยหรือ RMSE ผลการศึกษาพบว่าแบบจำลอง GARCH (1,1) สามารถพยากรณ์ความผันผวนที่เกิดขึ้นในช่วงเวลา 30 วัน ได้ดีที่สุด ในขณะที่แบบจำลอง EWMA สามารถพยากรณ์ความผันผวนที่เกิดขึ้นในช่วงเวลา 90 วัน และ 180 วัน ได้ดีที่สุด นอกจากนี้จะพบว่า แบบจำลองทั้งสามมีความคลาดเคลื่อนในการพยากรณ์ที่สูงมากในสภาวะที่ตลาดมีความผันผวนสูงผิดปกติ ผลการศึกษาทำให้สามารถสรุปได้ว่า แบบจำลอง GARCH (1,1) และ EWMA สามารถพยากรณ์ความผันผวนในช่วงเวลาระยะสั้น 30 วัน และ ช่วงเวลาระยะปานกลาง 90 วันข้างหน้าได้ดีกว่า Historical Volatility แต่ยังไม่สามารถสรุปได้อย่างชัดเจนว่า แบบจำลองใดที่ดีกว่าสำหรับความผันผวนในช่วงเวลาระยะยาว 180 วันข้างหน้า ผลการศึกษาจะนำมาใช้ในการเลือกแบบจำลองที่เหมาะสมสำหรับการพยากรณ์ความผันผวนเพื่อตัดสินใจในด้านการลงทุนต่างๆ เช่น การวัดมูลค่าความเสี่ยง การประเมินราคาที่เหมาสมของออปชัน
This study evaluates the accuracy of three competing volatility models : Historical Volatility, Exponentially Weighted Moving Average (EWMA), and Generalized Autoregressive Conditional Heteroscedastic (GARCH) in forecasting future daily volatility for SET50 INDEX over the period from 2 January 2008 to 30 December 2010. Volatility forecasts are evaluated by root mean squared error (RMSE) in comparison to 30-day, 90-day, and 180-day realized volatility. The finding suggests that GARCH (1,1) provides the most accurate forecast for 30-day realized volatility while EWMA is superior in forecasting 90-day and 180-day realized volatility. In addition, all models provide high forecasting error in the abnormal market condition. The implication is that both GARCH (1,1) and EWMA outperform Historical Volatility for 30-day and 90-day realized volatility but the performance of forecasting model is still varying for 180-day realized volatility. These results are useful in selecting the model for volatility forecasting in investment decision such as risk measurement and Option pricing.


สัญญาซื้อขายล่วงหน้า

LOCATIONCALL#STATUS
Chula Business School Library : Special Project53818918LIB USE ONLY



Location



Office of Academic Resources, Chulalongkorn University, Phayathai Rd. Pathumwan Bangkok 10330 Thailand

Contact Us

Tel. 0-2218-2929,
0-2218-2927 (Library Service)
0-2218-2903 (Administrative Division)
Fax. 0-2215-3617, 0-2218-2907

Social Network

  line

facebook   instragram