Studies on financial time series focusing on volatility and contagion

Abstract

Ⅰ. High Frequency Return Autocorrelation and Bias of Realized Volatility In recent years, the realized volatility (RV) is widely used as an empirical measure of volatility. For the KOSPI, the S&P 500 index, and the Korea won US dollar exchange rate, sample first-order autocorrelations of those high frequency returns are highly autocorrelated. In this case, the bias of the RV increases as the autocorrelation of intraday returns becomes stronger. A bias-corrected RV is better than the general RV. Ⅱ. SUR Approach for IV Estimation of Canonical Contagion Models Seemingly unrelated regression (SUR) method is applied to the instrumental variable (IV) estimation of the canonical contagion models. A finite sample Monte Carlo experiment shows that the resulting estimator, IV-SUR estimator, is substantially better than the existing IV estimator in terms of both bias and mean squares error under diverse circumstance of instrument, conditional heteroscedasticity, and cross-section correlation. Ⅲ. A Bootstrap Lagrangian Multiplier Test for Market Microstructure Noise in Financial Assets Stationary bootstrapping is applied to a Lagrangian multiplier (LM) test to test market microstructure noise (MMN) in financial asset prices. A Monte-Carlo experiment shows that the bootstrapping method improves the size of the original LM test which has some size distortion for conditional heteroscedastic models. The proposed test is illustrated for real data sets like KOSPI index and Won-Dollar exchange rate.;Ⅰ. 고빈도 수익률의 자기상관과 실현 변동성의 편의 최근 변동성에 대한 실증 측도로 실현 변동성(RV)이 널리 사용되고 있다. KOSPI, S&P 500 지수, 원-달러 환율의 경우, 고빈도 수익률의 표본 1차 자기상 관계수는 높은 상관관계를 보인다. 이 경우 일중 수익률의 자기상관이 강할수록 RV의 편의가 증가하는데, 따라서 편의 보정 RV가 일반 RV보다 우수한 성 능을 나타낸다. Ⅱ. 정준 전파 모델의 도구변수 추정을 위한 SUR 접근법 외관상 무관한 회귀(SUR) 기법은 정준 전파 모델의 도구변수 추정에 적용된다. 유한 샘플을 이용한 몬테 카를로 실험을 통해 결과적으로 도구변수-SUR 추정량이 조건부 이분산성, 교차 상관관계가 있는 다양한 상황에서 편의와 평균제곱오차(MSE) 면에서 기존 도구변수 추정량보다 상당히 우수함을 보인다. Ⅲ. 금융자산의 시장 미시구조 잡음에 대한 부트스트래핑 라그랑지 승수 검정 본 논문에서는 정상적 부트스트래핑을 금융 자산 가격에서 시장 미시구조 잡음에 대한 라그랑지 승수 검정에 적용한다. 몬테 카를로 실험을 통해 부트스트래핑 방법이 조건부 이분산 모형을 적용한 기존 라그랑지 승수 검정의 유의수준 왜곡 문제를 개선함을 보인다. 이 검정을 KOSPI 지수와 원-달러 환율과 같은 실제 데이터에 적용한다.