Application of MS-GARCH Class Models in the Analysis of EUR/PLN Exchange Rate Risk in the Context of Poland’s Monetary Integration and the ERM II Mechanism

Patryk Kołbyko

doi:10.56583/br.2953

Data publikacji : 2025-12-03

Tom 21 Nr 1 (2025)

Zastosowanie modeli klasy MS-GARCH w analizie ryzyka kursowego EUR/PLN w kontekście integracji monetarnej Polski i mechanizmu ERM II

Patryk Kołbyko

https://orcid.org/0000-0001-6550-8452

DOI: https://doi.org/10.56583/br.2953

Abstrakt

Celem artykułu jest identyfikacja hipotetycznego centralnego kursu EUR/PLN w ramach mechanizmu ERM II oraz ocena ryzyka przekroczenia dopuszczalnego pasma wahań w horyzoncie 2025–2028. W badaniu wykorzystano dzienne dane kursowe z lat 2020–2024 oraz zastosowano nieliniowe modele klasy MS-GARCH (Markov-Switching GARCH) w wariantach homogenicznym i heterogenicznym, estymowane metodą quasi-maksymalnej wiarygodności. Procedura badawcza obejmowała dobór optymalnych parametrów P i Q zgodnie z kryterium informacyjnym AIC, identyfikację okresów charakteryzujących się podwyższonymi reżimami zmienności oraz prognozowanie zmienności kursu przy użyciu modelu MS-GARCH połączonego z symulacjami Monte Carlo dla logarytmicznych stóp zwrotu. Wyniki wskazują optymalny centralny kurs ERM II na poziomie 4,53 PLN, przy czym heterogeniczny model MS-GARCH ujawnia 21 dni podwyższonego ryzyka przekroczenia górnego progu w listopadzie i grudniu 2027 roku. Badanie wnosi empiryczne, ateoretyczne podejście do wyznaczania centralnego kursu ERM II, wypełniając lukę w analizie gospodarek wschodzących pozostających poza strefą euro.

Słowa kluczowe:

strefa euro, ERM II, proces integracji monetarnej, ryzyko kursowe EUR/PLN

Szczegóły

Bibliografia

Statystyki

Autorzy

Pobierz pliki

PDF (English)

Zasady cytowania

Kołbyko, P. (2025). Zastosowanie modeli klasy MS-GARCH w analizie ryzyka kursowego EUR/PLN w kontekście integracji monetarnej Polski i mechanizmu ERM II. Barometr Regionalny. Analizy I Prognozy , 21(1), 7–23. https://doi.org/10.56583/br.2953

Wskaźniki altmetryczne

Cited by / Share

Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.

Bibliografia

Anghel, L.C., F. Pinzaru, M. Dinu, and L.-M. Treapat. 2014. “Fixing the Central Parity and the Evolution of the Currency within the Exchange Rate Mechanism II in the Countries that Joined the Euro Zone.” Management Dynamics in the Knowledge Economy 2 (4): 21–40.

Baxter, M., and A.C. Stockman. 1989. “Business Cycles and the Exchange-Rate Regime: Some International Evidence.” Journal of Monetary Economics 23 (3): 377–400. doi: 10.1016/0304-3932(89)90039-1.

Belfrage, C.-J., J. Hansson, and A. Vredin. 2023. How Should We View the Development of the Krona? Economic Commentary, https://www.riksbank.se/en-gb/press-and-published/notices-and-press-releases/notices/2023/how-should-we-view-the-development-of-the-krona/.

Bęza-Bojanowska, J., and R. MacDonald. 2009. “The Behavioural Zloty/Euro Equilibrium Exchange Rate.” National Bank of Poland Working Paper (55): 5–35.

Bijak-Kaszuba, M. 2012. “Ustanawianie unii gospodarczej i walutowej w procesie integracji europejskiej.” Acta Universitatis Lodziensis. Folia Oeconomica 264: 7–34.

Bollerslev, T. 1986. “Generalized Autoregressive Conditional Heteroskedasticity.” Journal of Econometrics 31 (3): 307–327. doi: 10.1016/0304-4076(86)90063-1.

Brkić, M. 2022. “Preserving Economic and Financial Stability in an Emerging Market Country during the Pandemic Crisis: Croatia’s Experience.” Public Sector Economics 46 (3): 321–354. doi: 10.3326/pse.46.3.1.

Chakrabarti, A., and J.K. Ghosh. 2011. “AIC, BIC and Recent Advances in Model Selection.” In Philosophy of Statistics, edited by P.S. Bandyopadhyay and M.R. Forster, 583–605. Amsterdam: North-Holland.

de Mendonca, H.F., L. Vereda, and L.M.M. de Araujo. 2025. “Fundamentals Models Versus Random Walk: Evidence From an Emerging Economy.” Journal of Forecasting 44 (6): 1884–1906. doi: 10.1002/for.3279.

Fengler, M.R., and J. Polivka. 2025. “Structural Volatility Impulse Response Analysis.” Journal of Financial Econometrics 23 (2). doi: 10.1093/jjfinec/nbae036.

Fidrmuc, J., and R. Horváth. 2008. “Volatility of Exchange Rates in Selected New EU Members: Evidence from Daily Data.” Economic Systems 32 (1): 103–118. doi: 10.1016/j.ecosys.2007.09.004.

Filardo, A., G. Gelos, and T. McGregor. 2022. “Exchange-Rate Swings and Foreign Currency Intervention.” IMF Working Papers 2022 (158). doi: 10.5089/9798400215322.001.

Frömmel, M. 2006. “Volatility Regimes in Central and Eastern European Countries’ Exchange Rates.” Hannover Economic Papers (Discussion Paper No. 333).

Gottschalk, S. 2023. “From Black Wednesday to Brexit: Macroeconomic Shocks and Correlations of Equity Returns in France, Germany, Italy, Spain, and the United Kingdom.” International Journal of Finance & Economics 28 (3): 2843–2873. doi: 10.1002/ijfe.2567.

Hansen, P.R., and A. Lunde. 2005. “A Forecast Comparison of Volatility Models: Does Anything Beat a GARCH(1,1)?” Journal of Applied Econometrics 20 (7): 873–889. doi: 10.1002/jae.800.

Hartman, J., and J. Sedlak. 2013. Forecasting Conditional Correlation for Exchange Rates using Multivariate GARCH models with Historical Value-at-Risk Application, Department of Economics and Department of Statistics, Uppsala University, Uppsala.

Kilic, R. 2025. “Linear and Nonlinear Econometric Models against Machine Learning Models: Realized Volatility Prediction.” Finance and Economics Discussion Series, Board of Governors of the Federal Reserve System (2025–061). doi: 10.17016/FEDS.2025.061.

Kołbyko, P. 2024. “Application of a Single-Equation SARIMA Model for Short-Term Conditional Forecast (Projection) of CPI Price Dynamics in Poland.” Research Papers in Economics and Finance 8 (1): 128–157.

Lütkepohl, H., and T. Woźniak. 2020. “Bayesian Inference for Structural Vector Autoregressions Identified by Markov-Switching Heteroskedasticity.” Journal of Economic Dynamics and Control 113: 103862. doi: 10.1016/j.jedc.2020.103862.

Makore, I., and C.N. Chikutuma. 2025. “Exchange Rate Volatility and Its Impact on International Trade: Evidence from Zimbabwe.” Journal of Risk and Financial Management 18 (7): 376. doi: 10.3390/jrfm18070376.

Marisetty, N. 2024. “Evaluating the Efficacy of GARCH Models in Forecasting Volatility Dynamics Across Major Global Financial Indices: A Decade-Long Analysis.” Journal of Economics, Management and Trade 30 (9): 16–33. doi: 10.9734/jemt/2024/v30i91238.

Meese, R.A., and K. Rogoff. 1983. “Empirical Exchange Rate Models of the Seventies: Do They Fit out of Sample?” Journal of International Economics 14 (1): 3–24. doi: 10.1016/0022-1996(83)90017-X.

Melecky, M., and L. Komarek. 2007. “The Behavioral Equilibrium Exchange Rate of the Czech Koruna.” Transition Studies Review 14 (1): 105–121. doi: 10.1007/s11300-007-0136-1.

Ockiya Atto Kennedy, Orumie Ukamaka Cynthia, and Emmanuel Oyinebifun. 2023. “Multivariate Garch Models Comparison in Terms of the Symmetric and Asymmetric Models.” African Journal of Mathematics and Statistics Studies 6 (2): 24–39. doi: 10.52589/AJMSS-XUADTPPA.

Oreiro, J.L. 2023. “Thirlwall’s Law and New-Developmentalism: What Are the Limits for Long-Run Growth?” Investigacion Economica 82 (326): 98-126. doi: 10.22201/fe.01851667p.2023.326.86496.

Pastucha, F. 2024. “The Real Equilibrium Exchange Rate of the Czech Koruna — the BEER Approach.” Statistika: Statistics and Economy Journal 104 (3): 278–291. doi: 10.54694/stat.2023.50.

Purfield, C., and C.B. Rosenberg. 2010. “Adjustment Under a Currency Peg: Estonia, Latvia and Lithuania During the Global Financial Crisis 2008-09.” IMF Working Papers 2010 (213). doi: 10.5089/9781455205448.001.

Silvennoinen, A., and T. Terasvirta. 2008. “Modelling Multivariate Autoregressive Conditional Heteroskedasticity with the Double Smooth Transition Conditional Correlation GARCH Model.” CREATES Research Paper (2008-5). doi: 10.2139/ssrn.1148137.