Applications of dynamic conditional correlation based models to financial and commodity asset data

การประยุกต์แบบจำลองสหสัมพันธ์อย่างที่มีพลวัตกับข้อมูลหลักทรัพย์ทางการเงินและสินค้าโภคภัณฑ์

Name: Worrawat Saijai

LCSH: Investment analysis

LCSH: Copulas (Mathematical statistics)

Abstract: The ongoing global crises like the US-China trade and COVID-19 pandemic are the phenomena caused significant impact on several countries. To understand the economic phenomena on the investment and financial market, we take advantages by using the theories that explain it. However, the conventional concepts of correlation which it explained relationship between variables limited to a pair of variables and the correlation assumed to be constant, those assumptions are not useful to help understand the economic phenomena which it has more complex due to the more integration of financial markets. We want to investigate the impact of the phenomena and provide the fact on contagion effect which occurred and affected economies and financial markets differently due to different contexts. The notions lying above have formed a motif for the development of this academic work. The important goal lies in providing alternative ways of estimation techniques for dynamic conditional correlation approach (DCC) with one-step estimation to replace the two-step estimation of the conventional DCC approach, and more flexible approaches to provide better understanding on the contagion effect in financial markets in the context of trade war and COVID-19. We estimate the DCC parameters with one-step estimation to avoid the problem of biased and inconsistent estimators. Moreover, we extend the conventional DCC with Markov-switching (MS) and Copula into our study to provide more flexible and accurate model. The MS-DCC-GARCH with Jumps helps understand the characteristic of data which could have different explained parameters due to the different state of regime, namely low and high volatility regimes. While the Copula- based DCC-GARCH could benefits our study on the tail-dependence which financial data usually persists of fat-tailed distribution, replacing the normal and student's t distributions in the conventional DCC model, and GARCH with Jumps model has ability to capture the extreme case values which the extreme cases usually occur in financial time-seiries. Moreover, we also develop the Copula-based MS-DCC-GARCH model which provided more flexible with by having both MS and Copula concepts. To the best of my knowledge, the estimation of Copula-based MS-DCC models is new to literature, and thus this academic study is the first ever employed with the approach. This thesis suggests applying the DCC approaches including, the Copula-based DCC- GARCH, MS-DCC-GARCH, and Copula-based MS-DCC approaches, to be alternative ways of dynamic conditional correlation due to the evidence that those models outperform the conventional DCC approach. Those approaches could be alternative approaches when researchers want to investigate the dynamic conditional correlation. For a good direction of research, the one-step estimation is suggested instead of using the biased and inconsistent two-step estimation.

Abstract: วิกฤตการณ์ ทั่วโลกที่กำลังเกิดขึ้นในปัจจุบันเช่นการค้าระหว่างสหรัฐฯ - จีนและการระบาดของ โคโรนาไวรัส 2019 เป็นปรากฏการณ์ที่ก่อให้เกิดผลกระทบอย่างมีนัยสำคัญต่อหลายประเทศ เพื่อทำ ความเข้าใจปรากฏการณ์ทางเศรษฐกิจเกี่ยวกับการลงทุนและตลาดการเงิน การศึกษาต่างๆ สามารถใช้ ประโยชน์จากทฤษฎีที่มีถูกคิดค้นไว้ อย่างไรก็ดี แนวคิดทั่วไปเกี่ยวกับความสัมพันธ์ซึ่งอธิบาย ความสัมพันธ์ระหว่างตัวแปร ซึ่งจำกัดอยู่ที่ตัวแปรคู่หนึ่งและความสัมพันธ์ที่สมมติว่าเป็นค่าคงที่ นั้น ยังไม่เพียงพอที่จะช่วยให้เข้าใจปรากฏการณ์ทางเศรษฐกิจที่มีความซับซ้อนมากขึ้นอันเนื่องจากการ เปลี่ยนแปลงของบริบท สิ่งที่ได้กล่าวไว้ข้างต้นได้ก่อให้เกิดแรงจูงใจในการพัฒนางานวิจัยนี้ เป้าหมาย สำคัญคือการนำเสนอทางเลือกสำหรับการใช้เทคนิคการประมาณค่าสหสมพันธ์ที่มีการเปลี่ยนแปลง เชิงพลวัตโดยอาศัยแบบจำลอง DCC ด้วยการประมาณแบบขั้นตอนเดียวและวิธีการที่ยืดหยุ่นมากขึ้น เพื่อให้เกิดความเข้าใจที่ดีขึ้นเกี่ยวกับผลกระทบจากที่เชื่อมถึงกันในตลาดการเงินในบริบทของ สงครามการค้าและการแพร่ระบาดของโคโรนาไวรัส 2019 เป้าหมายสำคัญของการศึกษานี้คือเสนอ ทางเลือกด้วยเทคนิคการประมาณค่าสำหรับแบบจำลองสหสัมพันธ์อย่างมีเงื่อนไขที่มีการ เปลี่ยนแปลงเชิงพลวัต (DCC) ด้วยการประมาณค่าแบบขั้นตอนเดียวเพื่อแทนที่การประมาณค่าแบบ สองขั้นตอนของวิธีการประมาณค่าแบบจำลอง DCC แบบเดิม และได้เพิ่มเติมวิธีการประมาณค่าที่ ยืดหยุ่นมากขึ้นเพื่อให้เข้าใจถึงผลกระทบของการแพร่ระบาดในตลาดการเงินในบริบทของสงคราม การค้าและโคโรนาไวรัส 2019 การศึกษานี้ได้ค่าพารามิเตอร์ DCC ด้วยการประเมินแบบขั้นตอนเดียว เพื่อหลีกเลี่ยงปัญหาของตัวประมาณที่เอนเอียงและไม่สอดคล้องกัน นอกจากนี้ เราได้พัฒนา แบบจำลองเพิ่มเติมจาก DCC แบบเดิมด้วย Markov-switching (MS) และ Copula เพื่อให้มีวิธีการที่ ยืดหยุ่นและแม่นยำยิ่งขึ้น MS-DCC-GARCH เป็นแบบจำลองที่ช่วยให้เข้าใจลักษณะของข้อมูลซึ่งอาจ มีพารามิเตอร์อธิบายที่แตกต่างกันเนื่องจากสถานะที่ต่างกัน ได้แก่ สถานะที่มีผันผวนต่ำและสูง อีกทั้ง การศึกษานี้ยังได้ใช้แบบจำลอง DCC-GARCH ที่ใช้ Copula ในการประมาณค่าพารามิเตอร์ซึ่งจะเป็น ประโยชน์ต่อการศึกษาของเราเกี่ยวกับความสัมพันธ์ที่ส่วนหางซึ่งมักเกิดขึ้นกับข้อมูลทางการเงิน แทนที่การแจกแจงแบบปกติและการแจกแจงแบบที ของนักเรียน ในแบบจำลอง DCC แบบเดิม นอกจากนี้ อีกทั้งแบบจำลอง GARCH with Jumps มีดวามสามารถในในการศึกษาความผันผวนของ ข้อมูลที่มีค่าสุดโด่งแบบกว่าแบบจำลอง GARCH แบบเดิม เรายังพัฒนาโมเดล MS-DCC-GARCH ที่ใช้ Copula ในการประมาณค่าซึ่งให้ความยืดหยุ่นมากขึ้นด้วยเพราะประกอบไปด้วยวิธีการ MS และ Copula ซึ่งแบบจำลองดังกล่าวนั้นเป็นแบบจำลองที่ถูกพัฒนาขึ้นใหม่เป็นครั้งแรก ซึ่งแบบจำลองทั้ง สามที่กล่าวมามีประสิทธิภาพสูงกว่าแบบจำลอง DCC แบบเดิม วิทยานิพนธ์นี้จึงเสนอแนะว่า แบบจำลอง DCC-GARCH ที่ใช้ Copula ในการประมาณค่าแบบจำลอง MS-DCC-GARCH และ แบบจำลอง MS-DCC ที่ใช้ Copula ที่ถูกพัฒนาขึ้นเป็นแบบจำลองที่สามารถเป็นทางเลือกของ แบบจำลองและการประมาณค่า DCC แบบเดิม ซึ่งการใช้การประมาณค่าแบบหนึ่งขั้นตอนเป็น ทางเลือกที่ดีกว่าการประมาณแบบสองขั้นตอนซึ่งก่อให้เกิดความเบี่ยงเบนและความไม่สม่ำเสมอใน การประมาณค่าแบบจำลอง

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Hung T. Nguyen

Role: Chairman

Name: Songsak Sriboonchitta

Role: Member

Name: Roengchai Tansuchat

Role: Member

Name: Woraphon Yamaka

Role: Member

Created: 2021

Modified: 2022-10-02

Issued: 2022-10-02

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Doctor of Philosophy

Level: Doctoral Degree

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	611655901.pdf	3.64 MB	1	2023-02-12 15:53:54

ใช้เวลา

0.033459 วินาที