Nieparametryczna identyfikacja i prognozowanie nieliniowej dynamiki procesów finansowych (06.08.2014 – 05.08.2017)

Realizowane cele

Cele główne:

1. Symulacyjna analiza własności nieparametrycznych metod wnioskowania statystycznego opartych na technikach bootstrapowych i ocena ich przydatności do detekcji nieliniowości.
2. Identyfikacja i prognozowanie nieliniowych finansowych szeregów czasowych przy zastosowaniu nieparametrycznych metod analizy danych.

Cele szczegółowe:

1. Określenie rozmiaru i mocy nieparametrycznych testów nieliniowości przy zastosowaniu symulacji Monte Carlo.
2. Badanie własności nowego testu nieliniowości opartego na autorskiej statystyce NRL [Orzeszko, 2005, 2008b].
3. Ocena przydatności nieparametrycznych metod detekcji nieliniowości do specyfikacji i weryfikacji nieliniowych modeli ekonometrycznych.
4. Nieparametryczna identyfikacja nieliniowości w dynamice finansowych szeregów czasowych oraz w zależnościach między procesami finansowymi
5. Ocena trafności prognoz wyznaczonych w oparciu o nieparametryczne metody prognozowania w zastosowaniu do danych finansowych.

Hipotezy badawcze

1. Nieparametryczne metody wnioskowania statystycznego oparte na technikach bootstrapowych są skutecznym narzędziem identyfikacji nieliniowych szeregów czasowych.
2. Klasyfikacja nieparametrycznych testów liniowości ze względu na ich moc zmienia się w zależności od rodzaju identyfikowanej nieliniowości.
3. W procesach finansowych obecne są zależności nieliniowe, które można zidentyfikować przy zastosowaniu nieparametrycznych metod analizy danych.
4. Nieparametryczne metody prognozowania mogą być skutecznym narzędziem prognozowania dynamiki nieliniowych finansowych szeregów czasowych.

Wpływ na dyscyplinę

Przeprowadzone badania symulacyjne pogłębiają istniejącą wiedzę na temat nieparametrycznych metod identyfikacji i prognozowania nieliniowych szeregów czasowych. Porównano własności najważniejszych nieparametrycznych testów nieliniowości, dzięki czemu można lepiej ocenić ich przydatność do analizy określonych rodzajów procesów oraz lepiej interpretować otrzymywane za ich pomocą wyniki. Dokonano również analizy porównawczej nieparametrycznych metod prognozowania i wykazano ich użyteczność w zastosowaniu do nieliniowych szeregów czasowych.

W projekcie zaproponowano dwie nowe autorskie metody testowania nieliniowości w szeregach czasowych (testy NRL i dmin). Wykazano, że obie propozycje mają dobre własności statystyczne, które czynią je atrakcyjną alternatywą dla istniejących testów nieliniowości.

Badania empiryczne potwierdziły przydatność nieparametrycznych metod analizy danych do identyfikacji i prognozowania rzeczywistych procesów finansowych. Wykazano, że w procesach finansowych obecne są zależności nieliniowe, które dają możliwość ich efektywnego modelowania i prognozowania. W konsekwencji otrzymane wyniki mają wpływ na rozwój badań w zakresie efektywności rynków finansowych, a w dalszej perspektywie czasowej mogą znaleźć zastosowanie w wycenie instrumentów pochodnych, analizie ryzyka, tworzeniu strategii inwestycyjnych czy analizie efektu zarażania.

Projekt naukowy finansowany przez Narodowe Centrum Nauki