Abstract
Extending the research started in [31], the paper uses econometric methods for the short-term forecasting of quarterly values of sector indexes of stock prices from the OMX Baltic stock exchange. The ARMA models and modelling methodology that was used to build the statistical models in the previous paper are now augmented with the algorithms of time series aggregation and identification of special features of the series. Here, the search for informative factors relies on the study of related literature. The specification of models is further tailored using the traditional significance (p-value) analysis of regressors and a cross-validation analysis. The latter is implemented in this paper using the Jack-knife approach. The data period analysed covers the years 2000–2013. The results of the analysis indicate that the inclusion not only of recent autoregressive terms but also of some aggregated characteristics (as certain special features of indexes) improves the precision of forecasting substantially. The calculations were performed using the statistical analysis software SAS.
Highlights
Taigi atliktų tyrimų rezultatai liudija, kad nagrinėtų ypatingų požymių poveikis visiems Baltijos šalių įmonių akcijų kainų OMX biržoje sektoriniams indeksams yra reikšmingas, o jų įtraukimas į autoregresinius modelius yra tikslingas
36. Zhou, B. 1993: High frequency data and volatility in foreign exchange rates, Journal of International Money and Finance, 10, 23–52 p
Summary
Finansų rinkos atlieka ypatingą ekonominį vaidmenį, sudarydamos sąlygas nukreipti laisvus turimus finansinius išteklius tarp skirtingų ekonominių subjektų. Laisvosios rinkos ekonomikos sąlygomis jos yra vienas iš esminių veiksnių, lemiančių socialinę bei ekonominę žmonijos gerovę (Levine, 1991; Levine ir Zervos, 1995; Levine ir Zervos, 1998). Kad finansų rinkose svarbus faktorius yra ir joje vykstančių ekonominių procesų periodiškumas (Goodhart ir O‘Hara, 1997). Jai įtaką daro modeliavimo tikslai ir specifiniai konkrečios tiriamos rinkos ypatumai: prieinamos informacijos apie veiksnių, realiu laiku darančių įtaką kapitalo rinkos elgsenai, rinkinys; modelio tipo parinkimas, priklausomai nuo vyraujančių ekonominių procesų savybių; geriausio modelio paieškos algoritmai ir t.t. Todėl šio straipsnio tikslas yra sudaryti būtent šios rinkos prognozavimui tinkamą modelį, pasitelkiant klasikinę autoregresinę analizę bei eilučių agregavimo ir ypatingų požymių išskyrimo algoritmus. Konkretūs tyrimo objektai – OMX Baltijos šalių VP rinkos akcijų kainų sektoriniai indeksai, agreguojantys atskirų įmonių akcijų kainas ir charakterizuojantys šios rinkos būklę bei jos kitimo tendencijas 2000– 2013 m.
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
