Analiza wpływu obserwacji ekstremalnych na pomiar ryzyka

• Autorzy: Justyna Majewska

Warianty tytułu

Impact Analysis of Extreme Observations on the Calculation of Risk Measure

• Języki publikacji: PL

Abstrakty

Przedmiotem pracy jest analiza wpływu obserwacji ekstremalnych na estymację ryzyka oraz porównanie wybranych metod zmniejszających błędy estymacji. Zostaną przetestowane metody prezentujące obydwa wyżej wymienione podejścia: identyfikacji i korekcji obserwacji ekstremalnych przed estymacją miary ryzyka (metoda Gran´e i Veiga, 2010) oraz odporna metoda na obserwacje ekstremalne bezpośrednio do szeregu stóp zwrotu instrumentów finansowych. Rozważanym modelem zmienności jest model GARCH, miarą ryzyka - minimalny wymóg kapitałowy, a celem analizy empirycznej, opartej na danych pochodzących z polskiego i światowych parkietów, jest udzielenie odpowiedzi na pytanie, czy na zmniejszenie błędów estymacji miary ryzyka może wpływać wcześniejsza identyfikacja i korekta obserwacji ekstremalnych czy też stosowanie odpornych metod do szeregu finansowego? (fragment tekstu)

EN

In this paper we focus on the impact of additive level outliers on the calculation of risk measure, such as minimum capital risk requirements, and compare alternatives of reducing these measures' estimation biases. The first three proposals proceed by detecting and correcting outliers (the proposal of Grané and Veiga (2010), a detection procedure based on wavelets) before estimating this risk measure with the GJR-GARCH(1,1) model, while the second method focus on robust method for volatility parametr estimation - procedure fits a Student's t-distributed GJR-GARCH(1,1) model directly to the data. Aim of the paper is answering the following question: which approach, detecting and correcting outliers before estimating risk measure or robust methods used directly to data, reduce measures's estimation biases? (original abstract)

Słowa kluczowe

PL

Pomiar ryzyka; Model GARCH; Szeregi czasowe; Estymacja; Odporne metody statystyczne

EN

Risk measures; GARCH model; Time-series; Estimation; Robust statistical methods

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2011
• Numer: nr 96 Modelowanie preferencji a ryzyko '11
• Strony: 69--82

Twórcy

autor

Justyna Majewska

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Baillie R., Bollerslev T. (1989). The Message in Daily Exchange Rates: A Conditional Variance Tale. Journal of Business and Economic Statistics, 7.
• Barnett V., Lewis T. (1994). Outliers in Statistical Data. John Wiley.
• Białasiewicz J. (2004). Falki i aproksymacje. WNT, Warszawa.
• Bilen C., Huzurbazar S. (2002). Wavelet-based Detection of Outliers in Time Series. Journal of Computational and Graphical Statistics, 11.
• Brooks C., Clare A.D., Dale Molle J.W., Persand G. (2005). A Comparison of Extreme Value Theory Approaches for Determining Value at Risk. Journal of Banking and Finance, 14.
• Burridge P., Taylor A.M. (2006). Additive Outlier Detection Via Extreme-Value Theory. Journal of Time Series Analysis, 27, 5. http://ssrn.com/
• Carnero M., Pêna D., Ruiz E. (2007). Effects of Outliers on the Identification and Estimation of GARCH Models. Journal of Time Series Analysis, 28.
• Chen C., Liu L. (1993). Forecasting Time Series with Outliers. Journal of Forecasting, 12.
• Donoho D., Johnstone I. (1993). Ideal Spatial Adaptation by Wavelet Shrinkage. Biometrika, 81.
• Fox A. (1972). Outliers in Time Series. Journal of Royal Statistical Society, 34.
• Franses P., Ghijsels H. (1999). Additive Outliers, GARCH and Forecasting Volatility. International Journal of Forecasting, 15.
• Grané A., Veiga H. (2010). Wavelet-based Detection of Outliers in Financial Time Series. Computational Statistics and Data Analysis. doi:10.1016/j.csda.2009.12.010.
• Hotta L., Tsay R. (1998). Outliers in GARCH Processes. Manuscript. Graduate School of Business, University of Chicago.
• Johnson N.L. (1949). Systems of Frequency Curves Generated by Methods of Translations. Biometrika, 36.
• Kendall M.G., Stuart A., Ord, J.K. (1987). Kendall's Advanced Theory of Statistics: Volume 1. Charles Griffin and Company Limited, London.
• Marrona R.A., Martin D.R., Yohai V.J. (2006). Robust Statistics: Theory and Methods. John Wiley&Sons.
• Muller N., Yohai V. (2006). Robust Estimates for GARCH Models. Journal of Econometrics.
• Rousseeeuw P.J., Croux C. (1993). Alternatives to the Median Absolute Deviation. Journal of the American Statistical Association, 88.
• Teräsvirta T. (1996). Two Stylized Facts and the GARCH(1,1) Model. Working Paper 96. Stockholm School of Economics.
• Sakata S., White H. (1998). High Breakdown Point Conditional Dispersion Estimation with Aplication to S&P500 Daily Returns Volatility. Econometrica, 66.
• Wang Y. (1995). Jump and Sharp Cusp Detection by Wavelets. Biometrika, 82.
• Wielowymiarowe metody statystyczne w analizie ryzyka inwestycyjnego. (2010). Red. G. Trzpiot. PWE, Warszawa.
• Van Dijk D., Franses P., Lucas A. (1999). Testing for ARCH in the Presence of Additive Outliers. Journal of Applied Econometrics, 14.