Wykorzystanie warunkowego modelu maksimów blokowych do pomiaru Value at Risk

• Authors: Euchast Krzysztof

Title variants

EN

Applying the conditional block maxima model to Value at Risk measurement

• Languages of publication: PL

Abstracts

PL

W pracy rozważany jest warunkowy model maksimów blokowych, wywodzący się z teorii wartości ekstremalnych. Badana jest jego przydatność do wyznaczania jednookresowych prognoz Value at Risk (VaR), gdy parametry modelu są szacowane na podstawie małej próby. Weryfikowana jest hipoteza, iż warunkowy model maksimów blokowych zwraca poprawne oszacowania VaR. Przeprowadzono empiryczną analizę poprawności modelu na siedmiu światowych indeksach giełdowych w latach 2001-2013. Badania potwierdziły, że model jest poprawny pod względem liczby i niezależności przekroczeń VaR oraz może być alternatywą dla innych często wykorzystywanych modeli.

EN

The model under consideration is conditional block maxima model. In this paper the usefulness of the model to determine one-ahead forecast VaR is taken into account, when the model parameters are estimated in small sample. The hypothesis, that conditional block maxima model is correct to estimate VaR forecasts is verified. We carried out an empirical analysis on seven world stock market indices in the years of 2001- 2013. The survey confirmed, that the model is correct in terms of number and independence of VaR exceedances and can be a good alternative to other often used models.

Keywords

PL

GARCH; Model maksimów blokowych; Value at Risk

EN

Block maxima model; GARCH; Value at Risk

• Publisher: Uniwersytet Ekonomiczny w Katowicach
• Journal: Studia Ekonomiczne
• Year: 2016
• Volume: 295
• Pages: 19-32

Contributors

author

Euchast Krzysztof

• Uniwersytet Ekonomiczny w Poznaniu. Wydział Informatyki i Gospodarki Elektronicznej. Katedra Badań Operacyjnych

References

• Byström H.N.E. (2004), Managing Extreme Risks in Tranquil A=and Volatile Markets Using Conditional Extreme Value Theory, “International Review of Financial Analysis”, Vol. 13(2).
• Christoffersen P.F. (1998), Evaluating Interval Forecasts, “International Economic Review”, No. 39.
• Christoffersen P.F., Diebold F.X., Schuermann T. (1998), Horizon Problems and Extreme Events in Financial Risk Management, Working Paper Series, Wharton Financial Institutions Centre, Philadelphia.
• Cotter J. (2006), Extreme Value Estimation of Boom and Crash Statistics, “The European Journal of Finance”, No. 12.
• Danielsson J., Vries C.G. de (1997), Extreme Returns, Tail Estimation and Value-at-Risk. Working Paper, London School of Economics, London.
• Echaust K., Just M. (2013), Conditional versus Unconditional Models for VaR Measurement, http://ssrn.com/abstract=2365588 (dostęp: 21.12.2013).
• Embrechts P., Klüppelberg C., Mikosch T. (1999), Modelling Extremal Events for Insurance and Finance, Application of Mathematics, Springer, New York.
• Franke J., Härdle W.K., Hafner C.M. (2011), Statistics of Financial Markets, Springer, New York 2011.
• Kupiec P. (1995), Techniques for Verifying the Accuracy of Risk Management Models, “Journal of Derivatives”, Vol. 3.
• McNeil A.J. (1999), Extreme Value Theory for Risk Managers, Internal Modelling and CADII, RISK Books.
• McNeil A.J., Frey R. (2000), Estimation of Tail-Related Risk for Heteroscedastic Financial Time Series: An Extreme Value Approach, “Journal of Empirical Finance”, No. 7.
• Navarette-Ancona M.A., Tawn J.A. (2000), A Comparison of Methods for Estimating the Extremal Index, “Extremes”, No. 3.
• Segers R., Ferro C.A.T. (2003), Inference for Cluster of Extreme Values, “Journal of the Royal Society”, Series B, Vol. 6(2).
• Smith R.L. (1985), Maximum Likelihood Estimation in Class of Nonregular Cases, “Biometrica”, No. 72.

Identifiers

ISSN

2083-8611