| Identifikační kód |
RIV/67985998:_____/19:00505006 |
| Název v anglickém jazyce |
Volatility filtering in estimation of kurtosis (and variance) |
| Druh |
J - Recenzovaný odborný článek (Jimp, Jsc a Jost) |
| Poddruh |
J/A - Článek v odborném periodiku je obsažen v databázi Web of Science společností Thomson Reuters s příznakem „Article“, „Review“ nebo „Letter“ (Jimp) |
| Jazyk |
eng - angličtina |
| Vědní obor |
50202 - Applied Economics, Econometrics |
| Rok uplatnění |
2019 |
| Kód důvěrnosti údajů |
S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
| Počet výskytů výsledku |
1 |
| Počet tvůrců celkem |
1 |
| Počet domácích tvůrců |
1 |
| Výčet všech uvedených jednotlivých tvůrců |
Stanislav Anatolyev (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 3940229) |
| Popis výsledku v anglickém jazyce |
The kurtosis of the distribution of financial returns characterized by high volatility persistence and thick tails is notoriously difficult to estimate precisely. We propose a simple but effective procedure of estimating the kurtosis coefficient (and variance) based on volatility filtering that uses a simple GARCH model. In addition to an estimate, the proposed algorithm issues a signal of whether the kurtosis (or variance) is finite or infinite. We also show how to construct confidence intervals around the proposed estimates. Simulations indicate that the proposed estimates are much less median biased than the usual method-of-moments estimates, their confidence intervals having much more precise coverage probabilities. The procedure alsoworks well when the underlying volatility process is not the one the filtering technique is based on. We illustrate how the algorithm works using several actual series of returns. |
| Klíčová slova oddělená středníkem |
returns;persistence;thick tails, |
| Stránka www, na které se nachází výsledek |
https://www.degruyter.com/downloadpdf/j/demo.2019.7.issue-1/demo-2019-0001/demo-2019-0001.pdf |
| DOI výsledku |
10.1515/demo-2019-0001 |
| Odkaz na údaje z výzkumu |
- |