Currency Hedging Strategies Using Histogram-Valued Data: Bivariate Markov Switching GARCH Models
Notice bibliographique
Résumé
Previous studies aimed at determining hedging strategies commonly used daily closing spot and futures prices for the analysis and strategy building. However, the daily closing price might not be the appropriate for price in some or all trading days. This is because the intraday data at various minute intervals, in our view, are likely to better reflect the information about the concrete behavior of the market returns and reactions of the market participants. Therefore, in this study, we propose using high-frequency data along with daily data in an attempt to determine hedging strategies, using five major international currencies against the American dollar. Specifically, in our study we used the 5-min, 30-min, 60-min, and daily closing prices of the USD/CAD (Canadian Dollar), USD/CNY (Chinese Yuan), USD/EUR (Euro), USD/GBP (British Pound), and USD/JPY (Japanese Yen) pairs over the 2018–2019 period. Using data at 5-min, 30-min, and 60-min intervals or high-frequency data, however, means the use of a relatively large number of observations for information extractions in general and econometric model estimations, making data processing and analysis a rather time-consuming and complicated task. To deal with such drawbacks, this study collected the high-frequency data in the form of a histogram and selected the representative daily price, which does not have to be the daily closing value. Then, these histogram-valued data are used for investigating the linear and nonlinear relationships and the volatility of the interested variables by various single- and two-regime bivariate GARCH models. Our results indicate that the Markov Switching Dynamic Copula-Generalized autoregressive conditional heteroskedasticity (GARCH) model performs the best with the lowest BIC and gives the highest overall value of hedging effectiveness (HE) compared with the other models considered in the present endeavor. Consequently, we can conclude that the foreign exchange market for both spot and futures trading has a nonlinear structure. Furthermore, based on the HE results, the best derivatives instrument is CAD using one-day frequency data, while GBP using 30-min frequency data is the best considering the highest hedge ratio. We note that the derivative with the highest hedging effectiveness might not be the one with the highest hedge ratio.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».