Volatility and risk models on the metal market

• Autorzy: Dominik Krężołek

Warianty tytułu

Wybrane modele zmienności i ryzyka na przykładzie rynku metali

• Języki publikacji: EN

Abstrakty

EN

Steel industry is currently one of the most important parts in the structure of economy sectors both in developed and emerging countries. Therefore, it may be identified as a determinant of economic development of the country. Economic and financial crises have a significant influence on the economic activity of the emerging markets. Moreover, instability and fluctuations of GDP and other economic indicators have a significant impact on the demand of commodities, including ones related to the steel market. The aim of this article is to present some volatility models and risk analysis on the example of investments realized on the non-ferrous metal marker. The motivation to run this research is low popularity of empirical analysis in this field. Considering volatility analysis the GARCH models are presented (based on non-classical probability distributions). Within risk measures the value-at-risk approach is conducted. Initial results indicate that due to some features of time series of the metal market returns the use of classical models of volatility and risk measure is not very effective(original abstract)

Przemysł stalowy jest obecnie jednym z ważniejszych segmentów w strukturze gałęzi gospodarki krajów zarówno rozwiniętych, jak i stojących u progu rozwoju. Tym samym może być identyfikowany jako wyznacznik rozwoju gospodarczego danego kraju. Kryzysy ekonomiczne oraz finansowe w istotny sposób wpływają na aktywność ekonomiczną rynków wschodzących, natomiast wahania w poziomie PKB oraz innych wskaźników ekonomicznych mają odzwierciedlenie w zapotrzebowaniu na różnego rodzaju towary, w tym także produkty rynku stalowego. Przedmiotami artykułu są prezentacja wybranych modeli zmienności oraz analiza ryzyka w przypadku inwestycji w walory rynku metali nieżelaznych. Motywacją ku prowadzonym badaniom jest mała popularność badań empirycznych w obszarze eksplorowanego rynku. W przypadku badania zmienności zaproponowano modele klasy garch, podejmując próbę ich konstrukcji przy założeniu nieklasycznych rozkładów prawdopodobieństwa. Analizę ryzyka przeprowadzono w oparciu o metodologię wartości zagrożonej. Wstępne wyniki analizy wskazują, że ze względu na własności szeregów stóp zwrotu cen badanych metali wykorzystywanie klasycznych modeli pomiaru zmienności i ryzyka jest mało efektywne(abstrakt oryginalny)

Słowa kluczowe

EN

Variability; Risk analysis; GARCH model

PL

Zmienność; Analiza ryzyka; Model GARCH

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2015
• Numer: nr 381 Financial Investments and Insurance - Global Trends and the Polish Market
• Strony: 142--157

Twórcy

autor

Dominik Krężołek

• University of Economics in Katowice, Poland

Bibliografia

• Bollerslev T., 1986, Generalised Autoregressive Conditional Heteroskedasticity, Journal of Econometrics, vol. 31, p. 307-327.
• Engle R.F., 1982, Autoregressive Conditional Heteroscedasticity with Estimates of Variance of United Kingdom Inflation, Econometrica, vol. 50, no. 4, p. 987-1007.
• Füss R., Adams Z., Kaiser D.G., 2010, The Predictive Power of Value at Risk Models in Commodity Futures Markets, Journal of Asset Management, vol. 11, no. 4, p. 261-285.
• Ganczarek A., 2007, Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii, Dynamiczne Modele Ekonometryczne, Wydawnictwo UMK w Toruniu.
• Hammoudeh S., Malik F., McAleer M., 2011, Risk Management of Precious Metals, The Quarterly Review of Economics and Finance, vol. 51, p. 435-441.
• He K., Lai K.K., Yen J., 2012, Ensemble Forecasting of Value at Risk via Multiresolution Analysis Based Methodology in the Metals Markets, Experts Systems with Applications, vol. 39, p. 4258--4267.
• Kozubowski T.J., Podgórski K., 1999, A Class of Asymmetric Distributions, Actuarial Research Clearing House, vol. 1, p. 113-134.
• Krężołek D., 2012, Non-Classical Measures of Investment Risk on the Market of Precious Non-ferrous Metals Using the Methodology of Stable Distributions, Dynamic Econometric Models, vol. 12, p. 89-104.
• Krężołek D., 2013a, Metody aproksymacji indeksu ogona rozkładów alfa-stabilnych na przykładzie GPW w Warszawie, Studia Ekonomiczne Uniwersytetu Ekonomicznego w Katowicach, Zeszyty Naukowe Wydziałowe nr 162, p. 21-30.
• Krężołek D., 2013b, Non-classical Risk Measures on the Warsaw Stock Exchange - the Application of alpha-stable Distributions, Acta Universitatis Lodziensis. Folia Oeconomica, no. 286, p. 269-276.
• Krężołek D., 2014, Rozkłady alfa-stabilne. Zastosowanie w ekonomii i zarządzaniu, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, Katowice.
• Kupiec P., 1995, Techniques for Verifying the Accuracy of Risk Management Models, Journal of Derivatives, no. 3, p. 73-84.
• Orhan M., Koksal B.,2012, A Comparison of GARCH Models for VaR, Expert Systems with Application, vol. 39, p. 3582-3592.
• Piontek K., 2002, Pomiar ryzyka metodą VaR a modele AR-GARCH ze składnikiem losowym o warunkowym rozkładzie z "grubymi ogonami", Materiały Konferencyjne Uniwersytetu Szczecińskiego, Część II, p. 467-484.
• Polański A., Stoja E., 2010, Incorporating Higher Moments into Value-at-Risk Forecasting, Journal of Forecasting, vol. 29, p. 523-535.
• Tsay R., 2005, Analysis of Financial Time Series, Wiley & Sons, Chicago.

Identyfikatory

DOI

10.15611/pn.2015.381.11