Selected GARCH-type Models in the Metals Market - Backtesting of Value-at-Risk

• Autorzy: Dominik Krężołek

Warianty tytułu

Wybrane modele klasy GARCH na rynku metali - testowanie wsteczne Value-at-Risk

• Języki publikacji: EN

Abstrakty

EN

 Risk analysis in the financial market requires the correct evaluation of volatility in terms of both prices and asset returns. Disturbances in quality of information, the economic and political situation and investment speculations cause incredible difficulties in accurate forecasting. From the investor's point of view, the key issue is to minimise the risk of huge losses. This article presents the results of using some selected GARCH-type models, ARMA-GARCH and ARMA-APARCH, in evaluating volatility of asset returns in the metals market. To assess the level of risk, the Value-at-Risk measure is used. The comparison between real and estimated losses (in terms of VaR) is made using the backtesting procedure. (original abstract)

Analiza ryzyka na rynku finansowym wymaga poprawnej oceny zmienności zarówno cen, jak i stóp zwrotu interesujących inwestora aktywów. Szumy informacyjne, sytuacja gospodarcza oraz polityczna, a także zwykła spekulacja powodują istotne trudności w stawianiu trafnych prognoz. Z punktu widzenia inwestora kluczowym zagadnieniem jest minimalizacja ryzyka dużych strat. W artykule podjęto próbę zastosowania wybranych modeli zagnieżdżonych klasy ARMA-GARCH oraz ARMA-APARCH do oceny zmienności stóp zwrotu wybranych aktywów notowanych na rynku metali. Do oceny ryzyka inwestycji wykorzystano wartość zagrożoną VaR, natomiast jakość tej oceny z faktycznie zaobserwowanymi stratami zweryfikowano za pomocą wybranych testów przekroczeń. (abstrakt oryginalny)

Słowa kluczowe

EN

Risk analysis; Metal industry; Variability; GARCH model; Value at Risk Analysis; APARCH model

PL

Analiza ryzyka; Przemysł metalowy; Zmienność; Model GARCH; Analiza wartości zagrożonej; Model APARCH

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2017
• Numer: vol. 5, t. 331
• Strony: 185--203

Twórcy

autor

Dominik Krężołek

• University of Economics in Katowice, Poland

Bibliografia

• Batten J.A., Cinter C., Lucey B.M. (2010), The macroeconomic determinants of volatility in precious metals markets, "Resources Policy", no. 35, pp. 65-71.
• Bollerslev T. (1986), Generalised autoregressive conditional heteroskedasticity, "Journal of Econometrics", no. 31, pp. 307-327.
• Charles A., Darné O., Kim J.H. (2015), Will precious metals shine? A market efficiency perspective, "International Review of Financial Analysis", no. 41, pp. 284-291.
• Ding Z., Granger C.W.J., Engle R.F. (1993), A long memory property of stock market returns and a new model, "Journal of Empirical Finance", no. 1, pp. 83-106.
• Engle R.F. (1982), Autoregressive Conditional Heteroscedasticity with Estimates of Variance of United Kingdom Inflation, "Econometrica", vol. 50, no. 4, pp. 987-1007.
• Ganczarek A. (2007), Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii, "Dynamiczne Modele Ekonometryczne", Wydawnictwo UMK w Toruniu, Toruń.
• Karanasos M., Kim J. (2006), A re-examination of the asymmetric power ARCH model, "Journal of Empirical Finance", no. 13, pp. 113-128.
• Kupiec P. (1995), Techniques for Verifying the Accuracy of Risk Management Models, "Journal of Derivatives", no. 3, pp. 73-84.
• Parasuraman N.R., Ramudu P.J. (2011), Historical and implied volatility: an investigation into NSE NIFTY futures and options, "Australian Journal of Business and Management Research", no. 7, vol. 1, pp. 112-120.
• Piontek K. (2005), Modelowanie własności szeregów stóp zwrotu - skośność rozkładów, "Ekonometria", no. 15, pp. 297-308.
• 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 ", pp. 467-484.

Identyfikatory

DOI

10.18778/0208-6018.331.12