BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Doman Małgorzata (Poznań University of Economics, Poland)
Tytuł
Modelling Value at Risk with CAVIAR Models: The Case of Polish Financial Market
Źródło
Acta Universitatis Lodziensis. Folia Oeconomica, 2005, t. 190, s. 129-143, bibliogr. 11 poz.
Tytuł własny numeru
Macromodels 2004 : Problems of Building and Estimation of Econometic Models
Słowa kluczowe
Miernik ryzyka (VaR), Ryzyko rynkowe, Zabezpieczenie portfela akcji
VaR method, Market risk, Portfolio hedging
Uwagi
streszcz., summ.
Abstrakt
Wartość zagrożona (VaR) jest standardową miarą stosowaną przez instytucje finansowe do kwantyfikacji ryzyka rynkowego. Definiuje się ją jako maksymalną stratę na pozycji finansowej w danym okresie i z określonym prawdopodobieństwem. VaR można interpretować również jako kwantyl warunkowy rozkładu stóp zwrotu z danej pozycji finansowej pod warunkiem dostępnych informacji. W niniejszej pracy wykorzystuje się modele warunkowej autoregresyjnej wartości zagrożonej (CAViaR) wprowadzone przez Engle'a i Manganellego. Modele te zamiast szacowania wariancji warunkowych rozkładów stóp zwrotu koncentrują się na bezpośrednim opisie dynamiki kwantyla. W pracy, do wyliczenia wartości zagrożonej dla portfela utworzonego z akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie stosuje się trzy różne modele z rodziny CAViaR. (abstrakt oryginalny)

Value at Risk (VaR) is the standard measure that financial analysts use to quantify market risk. It is defined as the maximal loss of a financial position during a given time period for a given probability. VaR can also be interpreted as the quantile of the distribution of the position returns, conditional on current information. In the paper we present Conditional Autoregressive Value at Risk (CAViaR ) models introduced by Engle and Manganelli which focus on a direct modeling of the quantile dynamics instead of estimating the variance of the conditional distribution of the returns. We apply three different CAViaR models to calculate VaR for portfolio consisting of chosen shares from the Warsaw Stock Exchange. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Doman M., Doman R. (2004), Econometric modeling of the Polish financial market dynamics (in Polish), Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
  2. Engle R.F., Manganelli S. (2000), CA Vi AK: Conditional autoregressive value at risk by regression quantiles, Econometric Society World Congress 2000, Contributed Papers 0841, Econometric Society.
  3. Engle R.F., Manganelli S. (2001), Value at risk models in finance, European Central Bank Working Paper Series 75.
  4. Goldberg D.E. (1989), Genetic algorithms in search, optimization, and machine learning, Reading: Addison-Wesley Publishing Corporation, Inc.
  5. Koenker R., Basset G. (1978), Regression quantiles, Econometrica 46, 33-50.
  6. Kupiec P. (1995), Techniques for verifying the accuracy of risk management models, Journal of Derivatives 2, 173-184.
  7. Price K., Storn R. (1997), Differential evolution. Dr. Dobb's Journal, April, 18-24.
  8. Scaillet O. (2000), Nonparametric estimation and sensitivity analysis of expected shortfall, Mimeo, Université Catholique de Louvain, 1RES.
  9. Tsay R.S. (2002), Analysis of financial lime series, Wiley Series in Probability and Statistics, John Wiley& Sons, New York.
  10. White H. (1992), Nonparametric estimation of conditional quantiles using neural networks, w: Artificial neural networks: approximation and learning theory, Blackwell, Oxford.
  11. White H. (1994), Estimation, inference and specification analysis, Cambridge University Press. Cambridge.
Cytowane przez
Pokaż
ISSN
0208-6018
Język
eng
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu