Ocena przydatności modeli BL-GARCH w szacowaniu wartości zagrożonej indeksu Wig20

• Autorzy: Małgorzata Doman , Ryszard Doman

Warianty tytułu

Evaluation of Usefulness of Bl_Garch Models in Estimation of Value at Risk for the Index Wig20

• Języki publikacji: PL

Abstrakty

Wartość zagrożona (Value at Risk, AaR) jest obecnie standardowąmiarą, zapomocą której analitycy finansowikwalifikują ryzyko rynkowe. W niniejszym artykule prognozowany jest VaR dla indeksu WIG20, przy wykorzystaniu oszacowań zmienności uzyskanych za pomocą modeli AR-GARCH oraz modeli dwuliniowych BL-GARCH. (fragment tekstu)

EN

Value at risk (VaR) is a standard measure used to quantify financial market risk. Precise forecasts of VaR are a very important element of risk management process. Calculations of VaR for the stock index WIG20 presented in this paper are based on the volatility estimates provided by BL-GARCH and AR-GARCH models. Our finding is that in the case under scrutiny the volatility forecasts obtained by more complicated BL-GARCH models did not result in significantly more accurate VaR estimates. (original abstract)

Słowa kluczowe

PL

Miernik ryzyka (VaR); Model GARCH

EN

VaR method; GARCH model

• Czasopismo: Zeszyty Naukowe / Akademia Ekonomiczna w Poznaniu
• Rocznik: 2005
• Numer: nr 64
• Strony: 50--69

Twórcy

autor

Małgorzata Doman

• Akademia Ekonomiczna w Poznaniu

autor

Ryszard Doman

• Uniwersytet im. Adama Mickiewicza w Poznaniu

Bibliografia

• Bollerslev, T., Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometrics 1986, 31, 307-327.
• Bollerslev, T., A Conditionally Heteroskedastic Time Series Model for Speculative Prices and Rates of Return, Review of Economics and Statistics 1987, 69, 542-547.
• Davidson, J., Time Series Modelling Version 4.0, Cardiff University 2004.
• Doman, M., Doman R., Ekonometryczne modelowanie dynamiki polskiego rynku finansowego, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań 2004.
• Doornik, J.A., Object Oriented Matrix Programming Using Ox 2.0, Timber- lake Consultants Press, London 1998.
• Engle, R.F., Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica 1982 50, 987-1007.
• Fernandez, C., Osiewalski, J., Steel, M.F.J., Modelling and Inference with v-Spherical Distributions, Journal of the American Statistical Association 1995 90, 1331-1340.
• Fernández, C., Steel, On Bayesian Modelling of Fat Tails and Skewness, Journal of the American Statistical Association 1998 93, 359-371.
• Granger, C., Andersen, A., An Introduction to Bilinear Time Series Models, Vandenhoeck & Ruprecht, Gottingen 1978.
• Jajuga, K., Kuziak, K., Papla, D., Rokita P., Ryzyko wybranych instrumentów polskiego rynku finansowego, Rynek Terminowy 2001 11, 133-140.
• Kupiec, P., Techniques for Veryfying the Accuracy of Risk Management Models, Journal of Derivatives 1995 2, 173-184.
• Scaillet, O., Nonparametric Estimation and Sensitivity Analysis of Expected Shortfall {mimeo), Université Catholique de Louvain, 1RES 2000.
• Subba Rao, T., On the Theory of Bilinear Models, Journal of the Royal Statistical Society, Series B, 1981 43, 244-255.
• Tong, H., Non-Linear Time Series: A Dynamical System Approach, Oxford University Press, Oxford 1990.
• Weiss, A.A., ARCH and Bilinear Time Series Models: Comparison and Combination, Journal of Business and Economic Statistics 1986 4, 59-70.