PL EN


2018 | 4(976) | 183-200
Article title

Miara ryzyka estymacji parametrów modelu VaR

Title variants
EN
Model Risk for Value at Risk
Languages of publication
PL
Abstracts
PL
Obecnie wartość zagrożona jest jedną z najpopularniejszych miar ryzyka finansowego. W literaturze przedmiotu można spotkać się z wieloma podejściami do walidacji modeli wartości zagrożonej. W praktyce oprócz przeprowadzania testów ex post należy zweryfikować model w momencie jego tworzenia i wtedy można dokonać tzw. analizy ryzyka modelu. W dziedzinie finansów szczególnie istotne jest ryzyko estymacji modelu ze względu na ograniczoną liczbę danych historycznych, które są dostępne do estymacji parametrów. Celem artykułu jest zaproponowanie miary ryzyka estymacji parametrów modelu VaR opartej na przedziałowej estymacji wartości zagrożonej.
EN
Value at risk is one of the most common measures of financial risk. There are many approaches to validating value-for-value models. In addition to ex post tests, ex ante models must also be validated. The risk of model estimation is particularly important in finance due to the limited number of historical data that is available to estimate the parameters. The aim of this paper is to propose a measure of the risk of estimating the VaR model based on the interval of the value at risk.
Contributors
  • Uniwerystet Ekonomiczny we Wrocławiu, Wydział Zarządzania, Informatyki i Finansów, Katedra Inwestycji Finansowych i Zarządzania Ryzykiem, ul. Komandorska 118/120, 53-345 Wrocław, Poland, aleksander.mercik@ue.wroc.pl
References
  • Best P. (2005), Wartość narażona na ryzyko. Obliczanie i wdrażanie modelu VaR, Dom Wydawniczy ABC, Kraków.
  • Bollerslev T. (1987), A Conditionally Heteroskedastic Time Series Model for Speculative Prices and Rates of Return, „The Review of Economics and Statistics”, vol. 69, nr 3, https://doi.org/10.2307/1925546.
  • Campbell S.D. (2005), A Review of Backtesting and Backtesting Procedures, Finance and Economics Discussion Series Divisions of Research & Statistics and Monetary Affairs Federal Reserve Board No 2005-21, Washington, DC.
  • Christoffersen P.F. (1998), Evaluating Interval Forecasts, „International Economic Review”, vol. 39, nr 4, https://doi.org/10.2307/2527341.
  • Christoffersen P.F., Gonçalves S. (2005), Estimation Risk in Financial Risk Management, „Journal of Risk”, vol. 7, nr 3, https://doi.org/10.21314/jor.2005.112.
  • Doman M., Doman R. (2009), Modelowanie zmienności i ryzyka. Metody ekonometrii finansowej, Wolters Kluwer, Kraków.
  • Dowd K. (2006), Retrospective Assessment of Value at Risk (w:) Risk Management: A Modern Perspective, red. M.K. Ong, Elsevier, San Diego.
  • Duan J.Ch., Simonato J.G., Gauthier G., Zaanoun S. (2004), Estimating Merton’s Model by Maximum Likelihood with Survivorship Consideration, EFA 2004 Maastricht Meetings Paper No 4190, https://doi.org/10.2139/ssrn.557088.
  • Engle R.F. (1982), Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, „Econometrica”, vol. 50, nr 4, https://doi.org/10.2307/1912773.
  • Jajuga K. (2001), Value at Risk, „Rynek Terminowy”, nr 13.
  • Jajuga K. (2013), Ryzyko modelu a miary ryzyka, „Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach”, nr 53.
  • Kupiec P.H. (1995), Techniques for Verifying the Accuracy of Risk Measurement Models, „The Journal of Derivatives”, vol. 3, nr 2, https://doi.org/10.3905/jod.1995.407942.
  • Kuziak K. (2011), Pomiar ryzyka przedsiębiorstwa. Modele pomiaru i ich ryzyko, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław.
  • Lopez J. (1998), Methods for Evaluating Value-at-Risk Estimates, „Economic Policy Review”, October.
  • Mohamed A.R. (2005), Would Student’s t-GARCH Improve VaR Estimates?, University of Jyväskylä, www.gloriamundi.org (data dostępu: ).
  • Ostasiewicz S., Rusnak Z., Siedlecka U. (2011), Statystyka. Elementy teorii i zadania, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław.
  • Pascual L., Romo J., Ruiz E. (2006), Bootstrap Prediction for Returns and Volatilities in GARCH Models, „Computational Statistics & Data Analysis”, vol. 50, nr 9, https://doi.org/10.1016/j.csda.2004.12.008.
  • Piontek K. (2007), Przegląd i porównanie metod oceny modeli VaR (w:) Matematyczne i ekonometryczne metody oceny ryzyka finansowego, red. P. Chrzan, Prace Naukowe, Akademia Ekonomiczna w Katowicach, Wydawnictwo Akademii Ekonomicznej w Katowicach, Katowice.
  • Piontek K. (2016), Przedziałowa estymacja VaR i ES w modelach klasy AR-GARCH, Seminarium Katedry Inwestycji Finansowych i Zarządzania Ryzykiem, Uniwersytet Ekonomiczny we Wrocławiu, Wrocław.
  • Rokita P. (2004), Koncepcja wartości zagrożonej (VaR) w analizie ryzyka inwestycji banków na rynku polskim, praca doktorska, Uniwersytet Ekonomiczny we Wrocławiu, Wrocław.
  • Sarma M., Thomas S., Shah A. (2003), Selection of Value-at-Risk Models, „Journal of Forecasting”, vol. 22, nr 4, ideas.repec.org/s/jof/jforec.html (data dostępu: ).
  • Taylor S.J. (1994), Modeling Stochastic Volatility: A Review and Comparative Study, „Mathematical Finance”, vol. 4, nr 2, https://doi.org/10.1111/j.1467-9965.1994.tb00057.x.
  • Wawrzynek J. (2007), Metody opisu i wnioskowania statystycznego, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław.
  • Zarządzanie ryzykiem (2008), red. K. Jajuga, Wydawnictwo Naukowe PWN, Warszawa.
Document Type
Publication order reference
YADDA identifier
bwmeta1.element.desklight-7a189c67-39ee-4b6a-9590-6a981298fa5a
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.