GARCH Process Application in Risk Valuation for WIG20 Index

• Autorzy: Marta Małecka

Warianty tytułu

Zastosowanie procesów GARCH do oceny ryzyka dla indeksu WIG20

• Języki publikacji: EN

Abstrakty

EN

The recent economic crisis of 2008/2009 boosted a discussion about effectiveness of popular methods of controlling risk in financial markets, with value-at-risk approach being a topical issue. The paper contrasted a GARCH model for 1% VaR estimation for WIG20 with five basic approaches: variance-covariance, historical simulation, Risk Metrics(tm), Monte Carlo simulation and bootstrap method. A comprehensive study was supplied, with the focus on sample choice, to emphasize the influence of extraordinary price movements during the crisis. The study showed that nonparametric methods prevail over other models in the sense that the probability of exceeding the assumed loss level is the lowest. Further enquiry supported the view that GARCH model outperforms all techniques based on the assumption of a specific probability distribution of log returns. The problem of attaining the required level of tolerance in conditions of high instability of prices was evident from Kupiec tests results. A complementary analysis of capital requirements in relation to VaR estimation technique, gave the additional argument for GARCH model superiority over other risk valuation methods. (original abstract)

Kryzys przełomu lat 2008/2009 wywołał dyskusję dotyczącą efektywności popularnie stosowanych metod kontroli ryzyka na rynku finansowym, co w szczególności spowodowało wzrost zainteresowania metodologią VaR. W niniejszym opracowaniu przedstawione zostało porównanie metody VaR-GARCH do szacowania 1% VaR dla indeksu WIG20 z pięcioma innymi popularnymi podejściami: wariancji-kowariancji, symulacji historycznej, Risk Metrics(tm), Monte Carlo, metodą symulacyjną i bootstrapową. Szczególną uwagę zwrócono na wybór próby, w celu podkreślenia wniosków specyficznych dla okresu kryzysu finansowego. Pokazano, że nieparametryczne metody przeważają nad pozostałymi w kontekście prawdopodobieństwa przekroczenia przewidywanego poziomu straty. Badanie potwierdziło hipotezę, że model GARCH daje lepsze rezultaty niż metody oparte na założeniu niezmiennego w czasie rozkładu logarytmicznych stóp zwrotu. Wyniki testu Kupca pokazały problem przekraczania założonego poziomu tolerancji w warunkach kryzysu. Badanie uzupełniono analizą wymogów kapitałowych w zależności od techniki estymacji VaR, co dodatkowo potwierdziło przewagę modelu GARCH nad innymi sposobami szacowania ryzyka. (abstrakt oryginalny)

Słowa kluczowe

EN

GARCH model; Risk assessment; Warsaw Stock Exchange Index; VaR method; Bootstrap

PL

Model GARCH; Ocena ryzyka; Warszawski Indeks Giełdowy (WIG); Miernik ryzyka (VaR); Metody samowsporne

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2013
• Tom: 285 Multivariate Statistical Analysis Theory and Practice
• Strony: 209--220

Twórcy

autor

Marta Małecka

• University of Lodz, Poland

Bibliografia

• Amendment of the Capital Accord to Incorporate Market Risk [1996], Bank for International Settlements, online: www.bis.org.
• Bałamut T. [2002], Metody estymacji Value at Risk, Materiały i studia NBP, zeszyt 147, Warszawa, 1-107.
• Best P. [2000], Wartość narażona na ryzyko, Dom wydawniczy ABC, Kraków.
• Butler C. [2001], Tajniki Value at Risk, Praktyczny podręcznik zastosowań metody VaR, LIBER, Warszawa.
• Cheng W., Hung J. [2010], Skewness and leptokurtosis in GARCH-typed VaR estimation of petroleum and metal asset returns, Journal of Empirical Finance 18, ELSEVIER, 160-173.
• Doman M., Doman R. [2004], Ekonometryczne modelowanie dynamiki polskiego rynku finansowego, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
• Fiszeder P. [2009], Modele klasy GARCH w empirycznych badaniach finansowych, Wydawnictwo naukowe uniwersytetu Mokołaja Kopernika, Toruń.
• Ganczarek A. [2007], Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii, Dynamiczne modele ekonometryczne, Uniwersytet Mikołaja Kopernika w Toruniu. Toruń, 315-320.
• Grabowska A. [2000], Metody kalkulacji wartości narażonej na ryzyko (VaR), Bank i kredyt, 29-36.
• Jajuga K. [1999], Miary ryzyka rynkowego - cz. I, Rynek Terminowy nr 4, 67-69.
• Jajuga K. [2000], Miary ryzyka rynkowego - część trzecia, Rynek Terminowy nr 8, 112-117.
• Jajuga K. [2000], Value at Risk, Rynek Terminowy nr 9, 18-20.
• Jajuga K., Ronka-Chmielowiec W. [red.] [2003], Inwestycje finansowe i ubezpieczenia - tendencje światowe a polski rynek, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław.
• Jorion P. [1996], Risk2: Measuring the Risk in Value at Risk, Financial Analysis Journal 52, 6, ABI/INFORM Global, 47-56.
• Kuziak K. [2003], Koncepcja wartości zagrożonej VaR (Value at Risk), StatSoft Polska, 29-38.
• Łach M., Weron A. [2000], Skuteczność wybranych metod obliczania VaR dla danych finansowych z polskiego rynku, Rynek Terminowy nr 9, 133-137.
• Markowski K. [2000], O weryfikacji historycznej, Rynek Terminowy nr 9, 24-26.
• Mentel G. [2011], Value at Risk w warunkach polskiego rynku kapitałowego, CeDuWu.pl Wydwnictwa fachowe, Warszawa.
• Osińska M. [2006], Ekonometria finansowa, Polskie Wydawnictwo Ekonomiczne, Warszawa.
• Osińska M., Fałdziński M. [2007], Modele GARCH i SV z zastosowaniem teorii wartości ekstremalnych. Dynamiczne Modele Ekonometryczne, Uniwersytet Mikołaja Kopernika w Toruniu, Toruń, 27-34.
• Piontek K. [2002], Pomiar ryzyka metodą VaR a modele AR-GARCH ze składnikiem losowym o warunkowym rozkładzie z "grubymi ogonami", Rynek kapitałowy Skuteczne inwestowanie, 467-483.
• Pipień M. [2006], Wnioskowanie bayesowskie w ekonometrii finansowej, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.
• Stawczyk A. [1999], Wprowadzenie do metodologii pomiaru ryzyka - Value at Risk, Rynek Terminowy, nr 4, 132-137.