Porównanie metod estymacji VaR na polskim rynku gazu

• Authors: Alicja Ganczarek-Gamrot

Title variants

EN

Comparison of VaR estimation methods on polish natural gas market

• Languages of publication: PL

Abstracts

PL

Celem pracy jest przeprowadzenie analizy porównawczej metod estymacji ryzyka zmiany ceny gazu oszacowanego za pomocą Value-at-Risk (VaR). W pracy do porównania efektywności estymacji ryzyka zmiany ceny gazu wybrano metodę symula-cji Monte Carlo, w której VaR traktowany jest jako kwantyl rozkładu zmiennej losowej o rozkładzie normalnym, t-Studenta, GED oraz skośnym rozkładzie t-Studenta z VaR oszacowanym z uwzględnieniem dynamiki zmienności cen gazu za pomocą liniowych oraz nieliniowych modeli szeregów czasowych AR-GARCH. Analiza porównawcza została przeprowadzona w oparciu o wyniki testu przekroczeń Kupca na podstawie logarytmicznych stóp zwrotu wartości indeksu gas_ base notowanego na Rynku Dnia Następnego (RDN) TGE w okresie od 1 stycznia do 20 listopada 2014 roku.

EN

This work is aimed at comparing methods of Value-at-Risk (VaR) estimation on Polish natural gas market. Two methods of calculating VaR were examined. One of them uses a quantile of the normal, t-Student, skewed t-Student or GED distribution. Another method is based on AR-GARCH models. Empirical analysis was carried out for logarithmic rates of return of gas-base index noted on the Day Ahead Market from 1th January to 20th November 2014. Based on Kupiec test results one may say that on Polish natural gas market VaR estimates calculated by time series models are more appropriate than VaR estimates calculated as a quantile of distribution.

Keywords

PL

Modele szeregów czasowych; Rozkład stóp zwrotu; VaR

EN

Time series models; Rates of return distribution; VaR

• Publisher: Uniwersytet Ekonomiczny w Katowicach
• Journal: Studia Ekonomiczne
• Year: 2015
• Volume: 219
• Pages: 41-52

Contributors

author

Alicja Ganczarek-Gamrot

References

• Blanco C. (1998), Value at risk for energy: Is VaR useful to manage energy price risk?, Commodities-Now, December.
• Brockwell P.J., Davis R.A. (1996), Introduction to Time Series and Forecasting, Sprin-ger-Verlag, New York.
• Doman M. (2004a), Zastosowanie modeli CAViaR w szacowaniu wartości zagrożonej, Zeszyty Naukowe Uniwersytetu Szczecińskiego, nr 389.
• Doman R. (2004b), Dynamika korelacji między rynkami kapitałowymi krajów Europy
• Środkowej, Zeszyty Naukowe Uniwersytetu Szczecińskiego, nr 389.
• Engle R.F., Bollerslev T. (1986), Modeling the persistence of conditional variance, „Econometric Review”, Vol. 5.
• Jajuga K., Jajuga T. (1999), Inwestycje, WN PWN, Warszawa.
• Jajuga K. (2000), Ryzyko w finansach. Ujęcie statystyczne [w:] A. Zeliaś (red.), Współ-czesne problemy badań statystycznych i ekonometrycznych, Wydawnictwo Akade-mii Ekonomicznej w Krakowie, Kraków.
• Kupiec P. (1995), Techniques for verifying the accuracy of risk management models, „Journal of Derivatives”, Vol. 2.
• Piontek. K. (2002), Pomiar ryzyka metodą VaR a modele AR-GARCH ze składnikiem losowym o warunkowym rozkładzie z „grubymi ogonami”, „Rynek Kapitałowy. Skuteczne Inwestowanie”.
• Schwarz G. (1978), Estimating the Dimension of a Model, „The Annals of Statistics”, Vol. 6. [www 1] www.polpx.pl.

Identifiers

ISSN

2083-8611