Šiame darbe atliekami elektros energijos kainų analizė ir modeliavimas. Elektros kainų kitimui ir tokioms jų charakteringoms savybėms, kaip sezoniškumas, vidurkio reversija, darbo dienų, savaitgalio ir švenčių efektas, kintamumo klasterizacija, aprašyti taikomi SARIMA-TGARCH ir SARFIMA-TGARCH modeliai. Tyrimui naudojami kasvalandiniai Prancūzijos elektros energijos biržos kainų stebėjimai. Darbą sudaro dvi dalys – bendroji (teorinė) ir tiriamoji dalys. Pirmoje dalyje apžvelgiama literatūra bei aptariami teoriniai modelių aspektai: aprašomi ilgos atminties modeliai. Antroje dalyje pristatomi modelių empiriniai rezultatai: SARIMA-TGARCH ir SARFIMA-TGARCH modelių taikymas ir adekvatumo tikrinimas.

In this paper an econometric modelling and forecasting of electricity spot prices is presented. The aim of this work is to examine SARIMA-TGARCH and SARFIMA-TGARCH models for describing volatility of electricity spot prices and their characteristics such as season, mean reversion, volatility cauterization, and effects of workdays, weekends or holidays. The data of France electricity stock prices are used for analysis. This paper contains two parts – theoretical and empirical. In the first part the short review of literature is presented. Moreover, the theoretical aspects of long memory models are discussed. In the following part the empirical results are presented: application and adequacy examination of SARIMA-TGARCH and SARFIMA-TGARCH models.

Agreguoti duomenys naudojami daugelyje mokslo sričių tokių kaip ekonomika, sociologija, geografija ir kt. Tai motyvuoja tirti (de)agregavimo uždavinį. Viena iš pagrindinių priežasčių kodėl vienalaikis agregavimas tapo tyrimų objektu yra galimybė gauti ilgos atminties procesus. Agregavimas paaiškina ilgos atminties atsiradima procesuose ir yra vienas iš būdų tokius procesus generuoti. Agreguodami trumpos atminties neergodiškus atsitiktinius procesus, galime gauti ilgos atminties ergodišką procesą, kuris gali būti naudojamas mikro ir makro kintamųjų prognozavimui. Disertacijoje nagrinėjama AR(1) procesų bei artimiausio kaimyno atsitiktinių laukų, turinčių begalinę dispersiją, agregavimo schema, randamos sąlygos, kurioms esant ribinis agreguotas procesas egzistuoja, ir turi ilgąją atmintį tam tikra prasme. Atsitiktinių laukų atveju, įvedamas anizotropinės/izotropinės ilgos atminties apibrėžimas, kuris yra paremtas dalinių sumų elgesiu. Baigtinės dispersijos atveju yra gerai žinoma nepriklausomų AR(1) procesų schema, kuri rezultate duoda Gauso ribinį agreguotą procesą. Disertacijoje aprašoma trikampio masyvo agregavimo modelis, kuris baigtinės dispersijos atveju duoda nebūtinai Gauso ribinį agreguotą procesą. Taip pat disertacijoje nagrinėjama bankroto tikimybės asimptotika, kai žalos yra aprašomos sunkiauodegiu agreguotu procesu, nusakoma priklausomybė tarp žalų, apibūdinama žalų ilga atmintis.

Aggregated data appears in many areas such as econimics, sociology, geography, etc. This motivates an importance of studying the (dis)aggregation problem. One of the most important reasons why the contemporaneous aggregation become an object of research is the possibility of obtaining the long memory phenomena in processes. The aggregation provides an explanation of the long-memory effect in time series and a simulation method of such series as well. Accumulation of short-memory non-ergodic random processes can lead to the long memory ergodic process, that can be used for the forecasts of the macro and micro variables. We explore the aggregation scheme of AR(1) processes and nearest-neighbour random fields with infinite variance. We provide results on the existence of limit aggregated processes, and find conditions under which it has long memory properties in certain sense. For the random fields on Z², we introduce the notion of (an)isotropic long memory based on the behavior of partial sums. In L₂ case, the known aggregation of independent AR(1) processes leads to the Gaussian limit. While we describe a new model of aggregation based on independent triangular arrays. This scheme gives the limit aggregated process with finite variance which is not necessary Gaussian. We study a discrete time risk insurance model with stationary claims, modeled by the aggregated heavy-tailed process. We establish the asymptotic properties of the ruin probability and the dependence structure... [to full text]

Aggregated data appears in many areas such as econimics, sociology, geography, etc. This motivates an importance of studying the (dis)aggregation problem. One of the most important reasons why the contemporaneous aggregation become an object of research is the possibility of obtaining the long memory phenomena in processes. The aggregation provides an explanation of the long-memory effect in time series and a simulation method of such series as well. Accumulation of short-memory non-ergodic random processes can lead to the long memory ergodic process, that can be used for the forecasts of the macro and micro variables. We explore the aggregation scheme of AR(1) processes and nearest-neighbour random fields with infinite variance. We provide results on the existence of limit aggregated processes, and find conditions under which it has long memory properties in certain sense. For the random fields on Z², we introduce the notion of (an)isotropic long memory based on the behavior of partial sums. In L₂ case, the known aggregation of independent AR(1) processes leads to the Gaussian limit. While we describe a new model of aggregation based on independent triangular arrays. This scheme gives the limit aggregated process with finite variance which is not necessary Gaussian. We study a discrete time risk insurance model with stationary claims, modeled by the aggregated heavy-tailed process. We establish the asymptotic properties of the ruin probability and the dependence structure... [to full text]

Agreguoti duomenys naudojami daugelyje mokslo sričių tokių kaip ekonomika, sociologija, geografija ir kt. Tai motyvuoja tirti (de)agregavimo uždavinį. Viena iš pagrindinių priežasčių kodėl vienalaikis agregavimas tapo tyrimų objektu yra galimybė gauti ilgos atminties procesus. Agregavimas paaiškina ilgos atminties atsiradima procesuose ir yra vienas iš būdų tokius procesus generuoti. Agreguodami trumpos atminties neergodiškus atsitiktinius procesus, galime gauti ilgos atminties ergodišką procesą, kuris gali būti naudojamas mikro ir makro kintamųjų prognozavimui. Disertacijoje nagrinėjama AR(1) procesų bei artimiausio kaimyno atsitiktinių laukų, turinčių begalinę dispersiją, agregavimo schema, randamos sąlygos, kurioms esant ribinis agreguotas procesas egzistuoja, ir turi ilgąją atmintį tam tikra prasme. Atsitiktinių laukų atveju, įvedamas anizotropinės/izotropinės ilgos atminties apibrėžimas, kuris yra paremtas dalinių sumų elgesiu. Baigtinės dispersijos atveju yra gerai žinoma nepriklausomų AR(1) procesų schema, kuri rezultate duoda Gauso ribinį agreguotą procesą. Disertacijoje aprašoma trikampio masyvo agregavimo modelis, kuris baigtinės dispersijos atveju duoda nebūtinai Gauso ribinį agreguotą procesą. Taip pat disertacijoje nagrinėjama bankroto tikimybės asimptotika, kai žalos yra aprašomos sunkiauodegiu agreguotu procesu, nusakoma priklausomybė tarp žalų, apibūdinama žalų ilga atmintis.

Darbe siekiama aprašyti periodinį ilgos atminties finansinių laiko eilučių elgesį. Remiantis anksčiau sukurtais modeliais, siūlomas h-faktorių Gegenbauer-LARCH modelis, kuris į LARCH tipo proceso sąlyginės dispersijos lygtį įtraukia apibendrintą ilgos atminties filtrą, paremtą Gegenbauer polinomais. Darbe pateikiama anksčiau sukurtų modelių, skirtų finansinių aktyvų grąžų kintamumo modeliavimui, apžvalga. Remiantis ankstesnėmis idėjomis ir darbais, sukonstruojamas naujas Gegenbauer-LARCH modelis, kuriam tikrinama kovariacijos stacionarumo sąlyga. Pateikiamos modeliuotos h-faktorių Gegenbauer-LARCH proceso trajektorijos. Sukurtas modelis taikomas realiems Euro-Dolerio valiutų kurso duomenims. Identifikuotas modelio parametrai vertinami LUDE algoritmu, kuris maksimizuoja didžiausio tikėtinumo funkciją. Atliekama modelio adekvatumo analizė. Darbo pabaigoje pateikiamos išvados ir rekomendacijos.

On the ground of previous works and ideas a new class of models which describe long memory periodic behaviour in a time varying volatility of financial returns is introduced. Generalised periodic long-memory filters, based on Gegenbauer polynomials, are included into volatility equation of LARCH model and capture long memory periodic behaviour of the data. Thus, a new type of model called h-factor Gegenbauer-LARCH is presented. Moreover, a covariance stationarity condition is checked for one factor Gegenbauer-LARCH model. Also, generated processes are demonstrated. Furthermore, h-factor Gegenbauer-LARCH model is applied to Euro-Dollar hourly exchange rate returns. Identified model is estimated by means of LUDE algorithm which maximizes maximum likelihood function. The adequasy of the model is checked by reviewing residuals behaviour. Concerning empirical results the following conclusion is drawn: • Although model captures specific characteristics of the data such as slowly decaying periodic behaviour of autocorrelation function and pronounced peaks in periodogram but residuals analysis shows that model should be improved. Bordignon, Caporin, Lisi suggest that all possible frequencies were included to the model because higher frequencies might not be obvious from autocorrelation function or periodogram. However, we face computer capability problem. As a matter of fact, we cannot estimate a more complex model. Inclusion of autoregresive coefficients into the model did not... [to full text]