BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Doman Małgorzata (Akademia Ekonomiczna w Poznaniu), Doman Ryszard (Uniwersytet im. Adama Mickiewicza w Poznaniu)
Tytuł
Ocena przydatności modeli BL-GARCH w szacowaniu wartości zagrożonej indeksu Wig20
Evaluation of Usefulness of Bl_Garch Models in Estimation of Value at Risk for the Index Wig20
Źródło
Zeszyty Naukowe / Akademia Ekonomiczna w Poznaniu, 2005, nr 64, s. 50-69, rys., wykr., bibliogr. 15 poz.
Słowa kluczowe
Miernik ryzyka (VaR), Model GARCH
VaR method, GARCH model
Uwagi
summ.
Abstrakt
Wartość zagrożona (Value at Risk, AaR) jest obecnie standardowąmiarą, zapomocą której analitycy finansowikwalifikują ryzyko rynkowe. W niniejszym artykule prognozowany jest VaR dla indeksu WIG20, przy wykorzystaniu oszacowań zmienności uzyskanych za pomocą modeli AR-GARCH oraz modeli dwuliniowych BL-GARCH. (fragment tekstu)

Value at risk (VaR) is a standard measure used to quantify financial market risk. Precise forecasts of VaR are a very important element of risk management process. Calculations of VaR for the stock index WIG20 presented in this paper are based on the volatility estimates provided by BL-GARCH and AR-GARCH models. Our finding is that in the case under scrutiny the volatility forecasts obtained by more complicated BL-GARCH models did not result in significantly more accurate VaR estimates. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Bollerslev, T., Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometrics 1986, 31, 307-327.
  2. Bollerslev, T., A Conditionally Heteroskedastic Time Series Model for Speculative Prices and Rates of Return, Review of Economics and Statistics 1987, 69, 542-547.
  3. Davidson, J., Time Series Modelling Version 4.0, Cardiff University 2004.
  4. Doman, M., Doman R., Ekonometryczne modelowanie dynamiki polskiego rynku finansowego, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań 2004.
  5. Doornik, J.A., Object Oriented Matrix Programming Using Ox 2.0, Timber- lake Consultants Press, London 1998.
  6. Engle, R.F., Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica 1982 50, 987-1007.
  7. Fernandez, C., Osiewalski, J., Steel, M.F.J., Modelling and Inference with v-Spherical Distributions, Journal of the American Statistical Association 1995 90, 1331-1340.
  8. Fernández, C., Steel, On Bayesian Modelling of Fat Tails and Skewness, Journal of the American Statistical Association 1998 93, 359-371.
  9. Granger, C., Andersen, A., An Introduction to Bilinear Time Series Models, Vandenhoeck & Ruprecht, Gottingen 1978.
  10. Jajuga, K., Kuziak, K., Papla, D., Rokita P., Ryzyko wybranych instrumentów polskiego rynku finansowego, Rynek Terminowy 2001 11, 133-140.
  11. Kupiec, P., Techniques for Veryfying the Accuracy of Risk Management Models, Journal of Derivatives 1995 2, 173-184.
  12. Scaillet, O., Nonparametric Estimation and Sensitivity Analysis of Expected Shortfall {mimeo), Université Catholique de Louvain, 1RES 2000.
  13. Subba Rao, T., On the Theory of Bilinear Models, Journal of the Royal Statistical Society, Series B, 1981 43, 244-255.
  14. Tong, H., Non-Linear Time Series: A Dynamical System Approach, Oxford University Press, Oxford 1990.
  15. Weiss, A.A., ARCH and Bilinear Time Series Models: Comparison and Combination, Journal of Business and Economic Statistics 1986 4, 59-70.
Cytowane przez
Pokaż
ISSN
1641-2168
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu