ekonometria finansowa od 120 pytania Quiz Online

1 / 92

Jednym z narzędzi weryfikacji modeli ekonometrycznych jest test
łącznej istotności zmiennych

Prawda

Fałsz

Jest to test F.

Dalej

2 / 92

Jeśli reszty modelu autoregresji AR(p) wykazują autokorelacje,
oznacza to że przyjęto zbyt mały rząd opóźnień modelu. Można
albo zwiększyć liczbę opóźnień, albo zostosować model ARMA

Prawda

Fałsz

Są to metody na poprawienie jakości
modelu.

Dalej

3 / 92

Dla wydatków na pewne dob
ra otrzymano następującą wartość
statystyki testu Dickeya
-
Fillera: 1,049 (p=0,999) Oznacza to, że nie
można odrzucić hipotezy o braku stacjonarności tej zmiennej

Fałsz

Prawda

Test:
H0
-
szereg jest niestacjonarny z powodu
występowania pierwiastka jednostkowego
H1
-
stacjonarność szeregu
Jeśli ADF > wartość krytyczna
Æ
H0
Jeśli ADF < wartość krytyczna
Æ
H1
W tym przypadku: Duże
prawdopodobieństwo więc
Æ
H0

Dalej

4 / 92

Jeśli odchylenie standardowe dziennych logarytmicznych stóp
zwrotu wynosi 0,01, a stopy te nie podlegają autokorelacji, to
odchylenie standardowe dziewięciodniowych stóp zwrotu
wyniesie 0,03

Fałsz

Prawda

Wartość odchylenia * pierwiastek z czasu

Dalej

5 / 92

W oknie zdarzenia analizuje się kointegrację cen portfela akcji i
portfela obligacji przy pomocy testu ADF

Prawda

Fałsz

Jest to analiza zdarzeń czyli wahań przy
danym zdarzeniu.

Dalej

6 / 92

Jeśli spełniona jest słaba forma hipotezy efektywności rynku
finansowego, to współczynnik autokorelacji dziennych stóp
zwrotu z akcji musi być bliski zeru, tak aby wykorzystanie
informacji o autokorelacji nie
pozwalało
uzyskiwać
ponadprzeciętnych zysków

Fałsz

Prawda

Nie można wykorzystywać żadnych
informacji. Nic nie przynosi
ponadprzeciętnych zysków. Zyski nie
przekraczają kosztów.

Dalej

7 / 92

Składnik losowy spełniający założenia Klasycznej Metody
Najmniejszych Kwadratów powinien mieć stałą wariancje

Fałsz

Prawda

Jedno z założeń.

Dalej

8 / 92

Dla zwrotów logarytmicznych oprocentowania bonów skarbowych wyznaczono statystykę ADF. Wynik jest następujący
ADF = -4,639 (p=0,0008). Oznacza to, że zwroty są niestacjonarne

Fałsz

Prawda

Zwroty są stacjonarne bo p jest małe.

Dalej

9 / 92

Dobór zmiennych objaśniających d
zienne stopy zwrotu z indeksu
WIG20 w modelach ekonometrycznych nie można przeprowadić
na podstawie wartości kryterium informacyjnego BIC, natomiast
można na podstawie kryterium AIC

Prawda

Fałsz

Kryteria są równoważne.

Dalej

10 / 92

Rząd modelu autokorelacji AR(p) można dobrać startując od wybranej dużej liczby opóźnień i redukując na podstawie istotności kolejnych najdalszych
opóźnień

Fałsz

Prawda

Za pomocą testu istotności parametrów.

Dalej

11 / 92

W okresie kryzysu zapoczątkowanego kryzysem kredytów
hipotecznych w USA, notowania indeksów giełdowych podległy stałym trendom wzrostowym

Fałsz

Prawda

Spadkowym.

Dalej

12 / 92

W standardowym teście na autokorelacje stóp zwrotu wynik testu
wskazujący na brak podstaw do odrzucenia hipo
tezy zerowej sugeruje, że rynek finansowy jest efektywny

Fałsz

Prawda

H0
–
rynek efektywny
H1
–
rynek nieefektywny
Wnioskowanie:
Statystyka > wartość krytyczna
Æ
H1
Statystyka < wartość krytyczna
Æ
H0

Dalej

13 / 92

Charakterystyki spółek, np
wielkość aktywów, kapitalizacja, czy
relacja wyceny rynkowej do wartości księgowej spółki służą w
testach słabej formy efektywności do prognozowania przyszłych
stóp zwrotu z akcji tych spółek

Fałsz

Prawda

Są to dane historyczne.

Dalej

14 / 92

Jeśliw metodzie analizy zdarzeń w nieparametrycznym teście
znaków liczba obserwacji dodatnich nadzwyczajnych stóp zwrotu
wynosi 85 na 100 wszystkich obserwacji w oknie zdarzenia, a
wartość krytyczna testu przy poziomie istotności 0,05 wynosi 1,96
to wynik ten interpretujemy jako statystycznie istotny wpływ
zdarzenia na analizowane stopy zwrotu

Fałsz

Prawda

15 / 92

PKB (dane roczne jest przykładem szeregu niestacjonarnego, gdyż
ma trend wzrostowy

Fałsz

Prawda

Nie występuje tu stacjonarność co do średniej, bo dane posiadają trend.

Dalej

16 / 92

Zmienna jest zintegrowana, jeśli jest niestacjonarna ale można ją
przekształcić do stacjonarnej wyznaczając przyrosty.

Prawda

Fałsz

Jest to zintegrowanie rzędu 1.

Dalej

17 / 92

Dla pewnej zmiennej
wyznaczono wartość statystyki testu ADF; p-value dla tej statystyki jest równa 0,65. Oznacza to, że zmienna
jest stacjonarna.

Prawda

Fałsz

18 / 92

Rozkład empiryczny zwrotów z indeksu WIG20 cechuje
lekka asymetria.

Fałsz

Prawda

Dane finansowe są często asymetryczne.

Dalej

19 / 92

Wariancja warunkowa jest jednym z narzędzi stosowanych jako
miary ryzyka.

Prawda

Fałsz

Wariancja i odchylenie jest miarą ryzyka.

Dalej

20 / 92

Metoda Boxa-Jenkinsa polega na tym, że wstępny wybór liczby
opóźnień modelu ARMA dokonywany jest na podstawie liczby
istotnych współczynników korelacji i korelacji cząstkowej.

Fałsz

Prawda

Metodologia wskazuje na sposób wstępnej
liczby opóźnień na podstawie funkcji ACF i
PACF. W ACF liczba opóźnień odnosi się do
części MA, a PACF do A
R.

Dalej

21 / 92

Test Engle’a stosowany jest do badania korelacji składników
losowych regresji.

Prawda

Fałsz

Test Engle’a sprawdza stacjonarność i bada
kointegrację oraz grupowanie wariancji

Dalej

22 / 92

Modele GARCH zazwyczaj mają większą liczbę parametrów niż modele ARCH dla tej samej zmiennej, o tej samej jakości
dopasowania.

Fałsz

Prawda

Jest na odwrót, bo Garch to uogólniony ARCH.

Dalej

23 / 92

Do oceny jakości modeli GARCH można stosować m.in. proporcję
liczby trafnie przewidywanych zmian kierunku szeregu czasowego

Fałsz

Prawda

Jedną z metod oceny prognostycznych zdolności modelu jest sprawdzenie trafności przewidywania zmian kierunku. Porównujemy liczbę obserwacji iloczynu stóp zwrotu większych od zera z iloczynem stóp zwrotu, który jest niezerowy.

Dalej

24 / 92

Model ARCH jest modelem nieliniowym, w którym
zmienność z przeszłości objaśnia bieżącą zmienność

Fałsz

Prawda

Taka jest definicja ARCH.

Dalej

25 / 92

Krzywa wpływu informacji (NIC) pokazuje czy reakcja stóp zwrotuna dodatnie i ujemne zaburzenia jest jednakowa

Fałsz

Prawda

Kwantyfikacja oddziaływania szoków na zmienność dokonuje się na podstawie krzywej przepływu informacji.

Dalej

26 / 92

Specyfikacja modeli GARCH z normalnym rozkładem prawdopodobieństwa składnika losowego może odzwierciedlać efekt dźwigni

Fałsz

Prawda

Efekt dźwigni jest obrazowany przez asymetryczny rozkład ponieważ zmienność reaguje mocniej na szoki ujemne.

Dalej

27 / 92

Model GARCH o odpowiedniej specyfikacji mogą opisywać niejednorodność zachowań inwestorów na danym rynku

Fałsz

Prawda

Tak, ponieważ występuje niejednorodność wariancji.

Dalej

28 / 92

Test Christoffersena stosowany jest do badania niezależności
przekroczeń VaR

Prawda

Fałsz

Test kupca –test ilości przekroczeń VaR
Test Christoffersena –test niezależności przekroczeń

Dalej

29 / 92

W analizie stóp zwrotu z wybranych instrumentów finansowych
przy pomocy metody analizy zdarzeń statystyka ilorazu wariancji
VR(2) wykorzystywana jest do testowania pół-silnej efektywności
rynku

Prawda

Fałsz

Test ilorazu wariancji wykorzystywany jest przy słabej formie. Jeżeli w teście wyjdzie, że VR(q) = 1 to znaczy że wszystkie korelacje są równe zero.

Dalej

30 / 92

Jeżeli obliczona statystyka CAR/odchylenie=1,06 a wartość krytyczna testu przy poziomie istotności 0,05 wynosi 1,96 to wynik ten interpretujemy jako statystycznie istotny wpływ zdarzenia na analizowane stopy zwrotu

Fałsz

Prawda

31 / 92

Jeżeli w dniu t rynkowa stopa zwrotu wyniosła 1%, stopa zwrotu z analizowanego portfela akcji wyniosła 0%, wariancja rynkowej
stopy zwrotu na dzień t wyniosła 1, a kowariancje między
rynkową stopą zwrotu i stopą zwrotu z analizowanego portfela w
dniu t wyniosła 0,5, to przy pomocy metody EWMA (zakładając
wartość parametru lambda=0.94) można oszacować wartość
parametru beta na dzień t+1 i wynosi ona 0,25

Prawda

Fałsz

32 / 92

Przy testowaniu różnych form efektywności rynków finansowych
dodatnią korelację stóp zwrotu z portfela akcji tłumaczy się różną
płynnością poszczególnych akcji w tym portfelu

Prawda

Fałsz

Jest to test słabej formy, jednakże silniesza autokorelacja portfeli akcji tłumaczona jest różną płynnością akcji w portfelu

Dalej

33 / 92

Testy serii dla stóp zwrotu instrumentów finansowych polegają na
zbadaniu czy w notowaniach cen tych instrumentów można zaobserwować efekt GARCH F

Fałsz

Prawda

Jest to test modeli błądzenia losowego. Bada liczbę dodatnich i ujemnych stóp zwrotu

Dalej

34 / 92

W teście statystycznym sprawdzającym czy autokorelacja stóp
zwrotu rzędu pierwszego jest różna od zera statystyka √푇ρ(1) równa jest 13,42. Tymczasem wartość krytyczna dla testu wynosi 1,96 przy poziomie istotności 0,05. Nie ma podstaw do odrzucenia H0 o efektywności rynku

Fałsz

Prawda

35 / 92

Jeśli spełniona jest pół-silna forma hipotezy efektywności rynku
finansowego, to wykorzystanie algorytmów handlu bazujących na
natychmiastowej interpretacji aktualnie napływających informacji
nie może prowadzić do uzyskania nadzwyczajnych zysków
w długim okresie

Fałsz

Prawda

Informacje publikowane są już zdyskontowane w cenach.

Dalej

36 / 92

Oszacowanie autokorelacji stóp zwrotu dla wybranego portfela akcji wymaga wyliczenia parametru beta mierzącego wielkość ryzyka systematycznego tego portfela

Prawda

Fałsz

Autokorelacja nie jest potrzebna do wyliczenia Bety. Potrzebna jest kowariancja i wariancja portfela rynkowego.

Dalej

37 / 92

Testy pół-silnej efektywności rynku mogą polegać na
sprawdzeniu, czy tzw insider traders osiągają regularnie ponadprzeciętne zyski

Fałsz

Prawda

Testowanie silnej polega na testowaniu
insider trading.

Dalej

38 / 92

Okno estymacji służy do oszacowania parametrów modelu
rynkowego w normalnych warunkach, natomiast okno zdarzenia
służy do sprawdzania czy zdarzenia miało wpływ na stopy zwrotu
z badanego instrumentu

Fałsz

Prawda

Mamy dwa okna
–okno estymacji jest oknem standardowym,a okno zdarzenia opisuje ponadprzeciętne whania.

Dalej

39 / 92

Zwykle stopy zwrotu z indeksu FTSE są zawsze zintegrowane
stopnia 1, więc przed budowaniem modelu ARMA należy
wyznaczyć przyrostu tej zmienne

Fałsz

Prawda

Stopy zwrotu są stacjonarne.

Dalej

40 / 92

Zmienna jest zintegrowana stopnia 1 jeśli jest stacjonarna

Prawda

Fałsz

Jeśli jest niestacjonarna, a do stacjonarności prowadzi obliczenie przyrostów pierwszych.

Dalej

41 / 92

Test Diebolda
-
Mariano służy do testowania stacjonarności
szeregu losowego

Fałsz

Prawda

Test służy do porównania, który model generuje lepsze prognozy.

Dalej

42 / 92

Obliczona dla pewnej zmiennej wartość statystyki ADF jest równa
0,21, a wartość dla jej przyrostów wynosi -4,98. Wiadomo, że
wartość krytyczna odczytana z tablic rozkładu ADF jest równa-2,78. Wnioskujemy, że zmienna jest zintegrowana stopnia 1.

Prawda

Fałsz

43 / 92

Występowanie mniejszych i większych wahań na wykresie zwrotów zmiennej finansowej jest związane z tzw. grupowaniem wariancji

Fałsz

Prawda

Na tym polega grupowanie wariancji.

Dalej

44 / 92

Procedury testowania wstecznego modeli VaR polegają na sprawdzaniu czy VaRt charakteryzuje się efektem dźwigni

Fałsz

Prawda

Efekt dźwigni występuje w Garch. W VaR backtesty polegają na sprawdzeniu liczby przekroczeń i niezależności przekroczeń.

Dalej

45 / 92

Nieparametryczne metody szacunku wartości narażonej na ryzyko
wymagają oszacowania wartości odpowiedniego kwantyla empirycznego rozkładu stóp zwrotu

Fałsz

Prawda

Tak, liczymy odpowiedni kwantyl!

Dalej

46 / 92

Na podstawie testu kupca nie można stwierdzić, czy przekroczenie
VaR są zależne w czasie

Prawda

Fałsz

47 / 92

Do wyznaczenia VaR przy założeniu normalności rozkładu
potrzebna jest prognoza zmienności oraz średniej na następny
okres, i odpowiedni percentyl z rozkładu normalnego

Fałsz

Prawda

Liczymy kwantyl a nie percentyl.

Dalej

48 / 92

Test Diebolda-Mariano związany jest z jakością prognoz z modeli
GRACH

Fałsz

Prawda

Test służy do porównania, który model generuje lepsze prognozy.

Dalej

49 / 92

Do wyboru optymalnej struktury opóźnień w modelach GARCH
nie powinno się wykorzystywać kryterium AIC, ponieważ w dużych próbach może to prowadzić do uwzględnienia zbyt dużej liczby opóźnień

Fałsz

Prawda

Przy zwiększeniu liczby parametrów wartość kryterium rośnie, a zależy nam na jego minimalizacji.

Dalej

50 / 92

Jeżeli wartość statystyki Christoffersena Conditional Coverage wynosi 2,05 a odpowiednia wartość krytyczna wynosi 5,99, to można uznać, że model VaR jest dobrze dopasowany do danych

Fałsz

Prawda

51 / 92

Jeżeli w nieparametrycznym teście znaków liczba obserwacji
dodatnich nadzwyczajnych stóp zwrotu wynosi 55 na 100
wszystkich obserwacji, w oknie zdarzenia, a wartość krytyczna
testu przy poziomie istotności 0,03 wynosi 1,96 to wynik ten
interpretujemy jako statystycznie istotny wpływ zdarzenia na
analizowane stopy zwrotu

Fałsz

Prawda

52 / 92

Przy wykorzystaniu modeli CAPM do analizy stóp zwrotu z portfeli
instrumentów finansowych należy założyć, parametr beta
mierzący ryzyko systematyczne jest stały w czasie, a ryzyko niesystematyczne dla każdego portfela akcji jest skointegrowane z ryzykiem systematycznym tego portfela

Fałsz

Prawda

Beta nie jest stałe w czasie.

Dalej

53 / 92

Jeżeli spełniona jest słaba forma hipotezy efektywności rynku
finansowego to statystyka ilorazy wariancji VR(2) dla stóp zwrotu
z akcji powinna wskazywać wartość bliską ( tzn. statystycznie
nieistotnie różną od) 1

Prawda

Fałsz

Jest to jeden z testów i powinien być bliski 1.

Dalej

54 / 92

Oszacowanie autokorelacji stóp zwrotu dla wybranego portfela
akcji wymaga wyliczenia parametru beta mierzącego wielkość ryzyka systematycznego tego portfela

Fałsz

Prawda

Parametr Beta jest miarą ryzyka

Dalej

55 / 92

Do założeń klasyczniej metody najmniejszych kwadratów należy
założenie liniowej niezależności kolumn macierzy obserwacji
zmiennych objaśniających

Prawda

Fałsz

Jest to jedno z założeń KMNK.

Dalej

56 / 92

Kryteria informacyjne Akaikei Schwarza są stosowane również przy wyborze wariantu modelu GARCH dla zmiennej

Fałsz

Prawda

Dzięki nim możemy porównywać modele.

Dalej

57 / 92

Procedura testowania wstecznego wartości narażonej na ryzyko
polega na sprawdzeniu, czy szereg VaR cechuje się efektem
dźwigni

Prawda

Fałsz

Efekt dźwigni występuje w GARCH.

Dalej

58 / 92

Model GARCH został wprowadzony około połowy lat 1980tych
przez Timothy Bollersleva

Fałsz

Prawda

59 / 92

Jeżeli wartość statystyki Christoffersenawynosi 345,21 a wartość
krytyczna rozkładu chi-kwadrat dla przyjętego poziomu istotności
i odpowiedniej liczby stopni swobody jest równa 5,98, wnioskujemy, że model VaR jest dobrze dopasowany do danych

Fałsz

Prawda

60 / 92

Hipoteza zerowa testu MCLeoda-Li zakłada, że współczynniki
korelacji kwadratów reszt modelu są łącznie nieistotne

Fałsz

Prawda

Test MacLeoda –rozkład Hi kwadrat

Dalej

61 / 92

Wyniki testy statystycznego, wskazujące, że nadzwyczajne stopy
zwrotu AR przeciętnie różnią się istotnie od zera, są interpretowane jako sygnał braku wpływu zdarzenia na notowania instrumentów finansowych

Prawda

Fałsz

Są intepretowane jako znak.

Dalej

62 / 92

Fama i MacBeth (1973) zaproponowali szacowanie parametrów
modelu .... Do testowania czy ryzyko niesystematyczne wpływa na
stopy zwrotu z akcji oraz czy zależność między premią za ryzyko i
stopami zwrotu z akcji jest liniowa

Fałsz

Prawda

Tak, wynika to z modelu CAMP.

Dalej

63 / 92

Zmienność implikowana oznacza zmienność historyczną oszacowaną na postawie asymetrycznych modeli GED

Prawda

Fałsz

Wynika z cen opcji.

Dalej

64 / 92

Do oszacowania zmienności stóp zwrotu można wykorzystać
symetryczny model GARCH(1,1) w którym składnik losowy ma
rozkład GED

Prawda

Fałsz

65 / 92

Model GJR GARCH nie charakteryzuje się taką samą specyfikacją równania warunkowej wariancji jak asymetryczny model GARCH (AGARCH). W jednym z tych modeli w równaniu warunkowej zmienności uwzględnia się dodatkową zmienną zerojedynkową, która stanowi indykator napływu dobrych i złych informacji w poprzednim okresie

Fałsz

Prawda

Model GJR posiada dodatkową zmienną zerojedynkową która stanowi indykator dobrych i złych informacji.

Dalej

66 / 92

Za pomocą tesu Conditiona Coverage Christoffersona
nie jesteśmy w stanie zweryfikować, czy przekroczenia VaR są niezależne w
czasie

Fałsz

Prawda

Jesteśmy w stanie ;) w Kupcu nie jesteśmy w stanie.

Dalej

67 / 92

Jeżeli wynik testu Engle`a przeprowadzonego w celu weryfikacji
efektu ARCH dla miesięcznych stóp zwrotu z indeksu WIG wyniesie X (p=0,8), to przyjmując poziom istotności 0,01 wnioskujemy, że efekt grupowania zmienności występuje

Fałsz

Prawda

68 / 92

Clive Grange został w 2003 roku uhonorowany nagrodą imienia
Alfreda Nobla w dziedzinie ekonomii

Fałsz

Prawda

69 / 92

Dokonując transformacji zmienności za pomocą zasady
pierwiastka kwadratowego z czasu (square Root of time) należy
pamiętać aby stopy zwrotu nie charakteryzowały się istotną
dodatnią autokorelacją. Natomiast istnienie istotnej ujemnej
autokorelacji pomiędzy stopami zwrotu nie będzie miało wpływu
na wynik takiej operacji

Fałsz

Prawda

Po prostu mnożymy.

Dalej

70 / 92

Przy wykorzystaniu modeli CAPM do analizy stóp zwrotu z portfeli instrumentów finansowych zakłada się, że wszyscy inwestorzy maja jednakowe oczekiwania dotyczące przyszłych średnich stóp
zwrotu i ryzyka związanego z inwestowaniem w akcje.

Prawda

Fałsz

Jedno z założeń modelu.

Dalej

71 / 92

Korelogram można wykorzystać do badania niestacjonarności
szeregu

Prawda

Fałsz

Korelogramy dla procesów niestacjonarnych wykazują duże wartości nawet dla dużych opóźnień (w stosunku do rozmiarów próby)
i nie zanikają do zera.Dla procesu stacjonarnego korelogram (wykres funkcji ACF) powinien wraz ze wzrostem rzędu opóźnień szybko zanikać.

Dalej

72 / 92

W celu wyboru wariantu spośród modeli objaśniających tę samą
zmienną posługujemy się wartościami kryteriów informacyjnych

Prawda

Fałsz

Mamy takie trzy kryteria.

Dalej

73 / 92

Reszty oszacowanej MNK regresji dwu zmiennych niestacjonarnych okazały się stacjonarne. Oznacza to, że badane zmienne są skointegrowane

Prawda

Fałsz

Jeżeli reszty są stacjonarne to zmienne są skointegrowane. Metoda Engle’a i
Grangera

Dalej

74 / 92

Gdy budujemy model ARMA dla szeregu niestacjonarnego, sprawdzamy najpierw stopień integracji szeregu

Prawda

Fałsz

Najpierw należy doprowadzić do
stacjonarności danych. Sposób postępowania w praktyce jest taki:
wybieramy maksymalną możliwą liczbę opóźnień modelu ARMA, P i Q, szacujemy modele dla wszystkich kombinacji (p,q), w których p

Dalej

75 / 92

Zarówno przyrosty indeksów giełdowych, jak i zwroty
logarytmiczne (czyli przyrosty logarytmów cen) są na ogół
stacjonarne.

Prawda

Fałsz

76 / 92

Funkcja korelacji cząstkowej PACF jest wyznaczana na podstawie
współczynnika korelacji liniowej Pearsona.

Prawda

Fałsz

W ten sposób wyznaczane jest ACF.

Dalej

77 / 92

Dla procesu AR(2) współczynniki korelacji cząstkowej zmiennej ze
zmienną opóźnioną o więcej niż 2 okresy są równe zeru.

Fałsz

Prawda

Zanika po opóźnieniu p (AR(p))

Dalej

78 / 92

Zwroty logarytmiczne zmiennych finansowych cechują się stałą
wariancją warunkową.

Prawda

Fałsz

Wariancja warunkowa jest wariancją procesów niestacjonarnych.

Dalej

79 / 92

Większość zmiennych wchodzących w skład indeksu MIDWIG to
zmienne niestacjonarne w średniej.

Prawda

Fałsz

Posiadają trend

Dalej

80 / 92

Wybór spośród kilku wariantów specyfikacji modelu
ARMA może
być dokonany na podstawie kryteriów informacyjnych (Akaike,
Schwarza itp.)

Fałsz

Prawda

Kryteria te służą do porównywania modeli.

Dalej

81 / 92

Test Diebolda-Mariano dla malej
próby i w przypadku autokorelacji składnika losowego modelu może mieć rozkład odbiegający od rozkładu normalnego.

Prawda

Fałsz

Często dane mają inny rozkład niż
normalny. W dużej próbie rozkład zmierza
do normalnego.

Dalej

82 / 92

Dla jednodniowej 95% VaR oczekujemy, ze dzienne straty mogą
przekroczyć VaR w 5% czasu –czyli mniej więcej sześciokrotnie w ciągu roku

Prawda

Fałsz

Tu chodzi o 5% przekroczenie wartości a nie czasu.

Dalej

83 / 92

Jedna z metod oceny dokładnościVaR polega na sprawdzeniu na
podstawie danych historycznych, jak często następowałyprzekroczenia określonego przez VaRpoziomu strat i czy ta proporcja zgadza się z przyjętym poziomem (0,01 lub 0,05)

Prawda

Fałsz

Jest to metoda Kupca.

Dalej

84 / 92

Szereg logarytmicznych stóp zwrotu z indeksów giełdowych
najczęściej jest szeregiem zintegrowanym stopnia 1, dlatego przed oszacowaniem modeli zmienności trzeba poddawać go operacji różnicowania.

Prawda

Fałsz

Jest już szeregiem stacjonarnym.

Dalej

85 / 92

Do wyboru optymalnej struktury opóźnień w modelach GARCH
nie można wykorzystać kryterium informacyjnego BIC, ponieważ w dużych próbach prowadzi to do uwzględnienia zbyt dużej liczby opóźnień.

Fałsz

Prawda

86 / 92

Logarytmiczne stopy zwrotu charakteryzują się multiplikatywnością, czyli iloczyn kolejnych dwóch jednodniowych logarytmicznych stóp zwrotu jest równy dwudniowej logarytmicznej stopie zwrotu.

Prawda

Fałsz

Charakteryzują się addytywnością.

Dalej

87 / 92

Reguła square root of time głosi, że odchylenie standardowe n-okresowych logarytmicznych stóp zwrotu jest równe wartości odchylenia standardowego rozkładu jednookresowych logarytmicznych stóp zwrotu pomnożonego przez pierwiastek kwadratowy z n.

Fałsz

Prawda

Stopa okresowa = stopa dzienna *
pierwiastek z czasu

Dalej

88 / 92

Standaryzowane reszty z modelu GARCH obliczane są jako
wartości różnic pomiędzy empirycznymi stopami zwrotu, a
teoretycznymi stopami zwrotu wynikającymi z modelu

Fałsz

Prawda

Na tym polega liczenie reszt.

Dalej

89 / 92

Model ARMA no ogół ma więcej parametrów niż model czysto
autoregresyjny dla tej zmiennej

Prawda

Fałsz

Wiele analiz empirycznych wskazuje, że stosowanie modeli AR lub MA wymaga wprowadzenia za wielu parametrów w związku z tym proponuje się kombinacje modeli w postaci ARMA.

Dalej

90 / 92

Stopień integracji zmiennej oznacza najmniejszą liczbę
przyrostów, jaka jest potrzebna aby z tej zmiennej niestacjonarnej
otrzymać szereg stacjonarny

Fałsz

Prawda

Obliczamy przyrosty do czasu aż uzyskamy zmienną stacjonarną.

Dalej

91 / 92

Zwroty ze zmiennych finansowych często cechuje tzw.
grupowanie wariancji.

Fałsz

Prawda

Tak, jest to cecha danych finansowych i pot to jest GARCH. Æwystępowanie grupowania wariancji

Dalej

92 / 92

Przed zbadaniem kointegracjizestawu zmiennych należy sprawdzić, jakie są ich stopnie integracji

Fałsz

Prawda

Najpierw sprowadzamy do stacjonarności (stopień integracji) a potem badamy rząd kointegracji.

Dalej