Wykorzystanie rozkładu t-Studenta do szacowania wartości zagrożonej

• Autorzy: Aleksander Mercik

Warianty tytułu

Using the Student's t Distribution in Value-at-Risk Estimation

• Języki publikacji: PL

Abstrakty

Bardzo często w modelowaniu finansowym przyjmuje się, że rozkład prawdopodobieństwa stóp zwrotu z cen instrumentów finansowych jest wielowymiarowym rozkładem normalnym. Ze względu na zjawisko grubych ogonów wiele instytucji finansowych próbuje zastąpić rozkład Gaussa innym, który lepiej odzwierciedla to zjawisko. Celem artykułu jest porównanie parametrycznych modeli VaR zakładających rozkład t-Studenta stóp zwrotu z modelami opartymi na rozkładzie normalnym. W pracy zaprezentowano wyniki badań nad skutecznością 24 modeli parametrycznych wartości zagrożonej opracowanych na bazie historycznej ekspozycji na ryzyko jednego z wiodących brokerów kontraktów CFD w Polsce.(abstrakt oryginalny)

EN

The multivariate normal distribution is the most common type of distribution, and is often found in financial market analysis. Given enough observations within a sample size, it is reasonable to make the assumption that returns follow a normally distributed pattern, but this assumption can be disproved. The Student's t distribution is probably the most commonly used fat-tailed distribution as a model for asset returns. Student's t densities are more peaked around the centre and have fatter tails. In this paper, the author presents a comparison between parametric VaR models which assume the distribution of t-Student and models based on the normal distribution.(original abstract)

Słowa kluczowe

PL

Rozkład t-Studenta

EN

Student's t-distribution

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2013
• Numer: nr 323 Inwestycje finansowe i ubezpieczenia - tendencje światowe a rynek polski
• Strony: 202--211

Twórcy

autor

Aleksander Mercik

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• Alexander C., 2009, Market Risk Analysis, t. IV: Value at Risk Models, The Wiley Finance Series.
• Ammann M., Reich C., 2001, Value-at-Risk for Nonlinear Financial Instruments - Linear Approximation or Full Monte-Carlo?, University of Basel, WWZ/Department of Finance, Working Paper no. 8/01.
• Bank for International Settlements, Basel Committee on Banking Supervision, 2004, International Convergence of Capital Measurement and Capital Standards. A Revised Framework, Basel.
• Christoffersen P., 1998, Evaluating interval forecasts, International Economic Review, vol. 39, no. 4, s. 841-862.
• Jajuga K. (red.), 2008, Zarządzanie ryzykiem, Wydawnictwo Naukowe PWN, Warszawa.
• Kupiec P.H., 1995, Techniques for verifying the accuracy of risk management models, Journal of Derivatives, vol. 3, no. 2, s. 73-84.
• Kuziak K., 2003, Koncepcja wartości zagrożonej (Value at Risk), Statsoft Polska, www.statsoft.pl/ czytelnia/finanse/pdf/kuziak pd .
• Lopez J., 1998, Methods for evaluating value-at-risk. estimates, Federal Reserve Bank of New York Economic Policy Review, s. 119-124.
• McNeil A.J., 1997, Estimating the tails of loss severity distributions using extreme value theory, Austin Bulletin, vol. 27, no. 1, s. 117-137.
• Pietrzyk R., 2004, Value at Risk - podejście klasyczne a teoria wartości ekstremalnych, Rynek Kapitałowy: Skuteczne Inwestowanie, Zeszyty Naukowe Uniwersytetu Szczecińskiego nr 2(389), s. 427-440.
• Piontek K., 2002, Pomiar ryzyka metodą VaR a modele AR-GARCH ze składnikiem losowym o warunkowym rozkładzie z "grubymi ogonami", Konferencja Rynek Kapitałowy, Skuteczne Inwestowanie, Międzyzdroje, 8-10.09.2002, Materiały Konferencyjne Uniwersytetu Szczecińskiego, s. 467-484.
• Rokita P., 2004, Koncepcja wartości zagrożonej (VaR) w analizie ryzyka inwestycji banków na rynku polskim, rozprawa doktorska, Akademia Ekonomiczna we Wrocławiu, Wrocław.
• Sarma M., Thomas S., Shah A., 2003, Selection of Value-at-Risk Models, ideas.repec.org/s/ jof/jforec.html.
• Welfe A., 2003, Ekonometria, PWE, Warszawa.