PL EN


2018 | 5 | 338 | 213-227
Article title

Investment Risk Measurement Based on Quantiles and Expectiles

Content
Title variants
PL
Pomiar ryzyka inwestycyjnego z wykorzystaniem kwantyli i oczekiwań
Languages of publication
EN
Abstracts
PL
W badaniach starano się przyjrzeć szczegółowemu pomiarowi ryzyka inwestycyjnego. Użyto regresji kwantylowej jako modelu, opisując bardziej ogólne właściwości rozkładu stopy zwrotu. W regresji kwantylowej przyjęto efekty regresji względem warunkowych kwantyli regresorów. W modelu regresji skoncentrowano się na rozszerzeniu regresji liniowej (OLS), wykorzystując regresję oczekiwań. Celem zastosowania obu podejść jest pomiar ryzyka inwestycyjnego. Obydwa modele regresji są wersją ważonego modelu najmniejszych kwadratów. Najczęściej stosowanymi rodzinami miar ryzyka, poza miarami zmienności, są miary zagrożenia, a w praktyce wartość zagrożona (VaR) i warunkowa wartość zagrożona ryzykiem (CVaR). Można je oszacować przez kwantyle lub oczekiwania wyznaczone w ogonie rozkładu odpowiedzi.
EN
In the presented research, we attempt to examine special investment risk measurement. We use quantile regression as a model by describing more general properties of the response distribution. In quantile regression, we assume regression effects on the conditional quantile function of the response. In regression modelling, the focus is on extending linear regression (OLS), and in this paper we seek to apply expectile regression. The purpose of using both approaches is investment risk measurement. Both regression models are a version of least weighted squares model. The families of risk measures most commonly used in practice are the Value‑at‑Risk (VaR) and the Conditional Value‑at‑Risk (CVaR), which can be estimated by quantiles or expectiles in the tail of the response distribution.
Year
Volume
5
Issue
338
Pages
213-227
Physical description
Dates
published
2018-09-28
Contributors
References
Document Type
Publication order reference
Identifiers
YADDA identifier
bwmeta1.element.ojs-doi-10_18778_0208-6018_338_13
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.