Analiza transferu ryzyka ekstremalnego między wybranymi rynkami finansowymi z zastosowaniem przyczynowości w ryzyku w sensie Grangera

• Autorzy: Marcin Fałdziński

Warianty tytułu

Analysis of Extreme Risk Transfer across Selected Financial Markets with Application of Granger Causality in Risk

• Języki publikacji: PL

Abstrakty

Celem proponowanego artykułu jest analiza powiązań między głównymi rynkami finansowymi, reprezentującymi procesy finansowe i gospodarcze zachodzące we współczesnym świecie. Badanie skupiało się na zagadnieniu przenoszenia ryzyka ekstremalnego na rynkach finansowych. Zrozumienie mechanizmu transferu ryzyka ma kluczowe znaczenie dla efektywnego zarządzania ryzykiem, instytucji finansowych oraz podmiotów nadzorujących rynki finansowe. W szczególności ryzyko ekstremalne ma największe znaczenie, ponieważ to ekstremalne ruchy cen powodują największe zagrożenie oraz szanse dla uczestników rynku. Przedstawiony artykuł stanowi rozszerzenie dotychczasowych badań, polegające na wykorzystaniu najnowszej metodologii do badania przyczynowości w ryzyku w sensie Grangera zaprezentowanej w pracy Candelon i inni (2013). Innowacyjność tego podejścia polega na uwzględnieniu wielu różnych poziomów ryzyka w zakresie ogonów rozkładu, co dopuszcza różną dynamikę transferu ryzyka pomiędzy rynkami. W celu odpowiedniego zmierzenia ryzyka, mierzonego wartością zagrożoną, wykorzystano podejście Peaks over hreshold (POT) z modelami zmienności (McNeil, Frey, 2000). (abstrakt oryginalny)

EN

The main aim of this paper is an analysis of integration among main financial markets which represent financial and economic processes occurring in the contemporary world. This research focuses on issue of extreme risk spillover effect on financial markets. Proper understanding of risk transfer mechanism has paramount importance for effective risk management, financial institutions and market supervision institutions. In particular, extreme risk is the most important due the fact that the extreme prices movements are the main cause of threats and opportunities for market participants. This paper is the extension of previous researches on that issue. This extension takes into account the newest methodology framework which is Granger-causality test presented in work of Candelon et al. (2013). Innovation in this approach boils down to allowing for multiple different risk levels across distribution tails which takes into consideration different dynamics of risk transfer mechanism across markets. In order to estimate Value-at-Risk a Peaks over Threshold approach is applied with volatility models (McNeil, Frey, 2000). (original abstract)

Słowa kluczowe

PL

Rynki finansowe; Ryzyko; Przyczynowość; Przyczynowość w sensie Grangera

EN

Financial markets; Risk; Causality; Granger casuality

• Czasopismo: Przegląd Statystyczny
• Rocznik: 2014
• Tom: 61
• Numer: z. 4
• Strony: 433--448

Twórcy

autor

Marcin Fałdziński

• Uniwersytet Mikołaja Kopernika w Toruniu

Bibliografia

• Bekiros S. D., Georgoutsos D. A., (2005), Estimation of Value-at-Risk by Extreme Value and Conventional Methods: A Comparative Evaluation of their Predictive Performance, Journal of International Financial Markets, Institutions and Money, 15 (3), 2009-2028.
• Bystrom H., (2004), Managing Extreme Risks in Tranquil and Volatile Markets Using Conditional Extreme Value Theory, International Review of Financial Analysis, 13 (2), 133-152.
• Candelon B., Joëts M., Tokpavi S., (2013), Testing for Granger Causality in Distribution Tails: An Application to Oil Markets Integration, Economic Modelling, 31, 276-285.
• Coles S., (2001), An Introduction to Statistical Modeling of Extreme Values, Springer, London.
• Dufour J.-M., (2006), Monte Carlo Tests with Nuisance Parameters: a General Approach to Finite Sample Inference and Nonstandard Asymptotics, Journal of Econometrics, 27 (2), 443-477.
• Engle R. F., Manganelli S., (2004), CAViaR: Conditional Autoregressive Value-at-Risk by Regression Quantile, Journal of Business and Economic Statistics, 22, 367-381.
• Fałdziński M., Osińska M., Zdanowicz T., (2012), Detecting Risk Transfer in Financial Markets using Different Risk Measures, Central European Journal of Economic Modelling and Econometrics, 4 (1), Polish Academy of Sciences - Oddział Łódź, 45-64.
• Fałdziński M., (2014), Teoria Wartości Ekstremalnych w ekonometrii finansowej, Wydawnictwo UMK, Toruń.
• Ghorbel A., Trabelsi A., (2008), Predictive Performance of Conditional Extreme Value Theory in Value-at-Risk Survey, International Journal of Monetary Economics and Finance, 1 (2), 121-147.
• Harmantzis F. C., Miao L., Chien Y., (2006), Empirical Study of Value-at-Risk and Expected Shortfall Models with Heavy Tails, Journal of Risk Finance, 7 (2), 117-126.
• Hong Y., (2003), Extreme Risk Spillover Between Chinese Stock Markets and International Stock Markets, Working Paper, http://www.wise.xmu.edu.cn/oldversion/downloadfile.asp?id=93, (05.09.2014).
• Hong Y., Liu Y., Wang S., (2009), Granger Causality in Risk and Detection of Extreme Risk Spillover between Financial Markets, Journal of Econometrics150 (2), 271-287.
• Kuester K., Mittik S., Paolella M. S., (2006), Value-at-Risk Prediction: a Comparison of Alternative Strategies, Journal of Financial Econometrics, 4 (1), 53-89.
• Lee J., Lee H., (2009), Testing for Risk Spillover between Stock Market and Foreign Exchange Market in Korea, Journal of Economic Research,14, 329-340.
• McNeil J. A., Frey F., (2000), Estimation of Tail-Related Risk Measures for Heteroscedastic Financial Time Series: an Extreme Value Approach, Journal of Empirical Finance, 7, 271-300.
• Lardy N., (1998), China and the Asian Contagion, Foreign Affairs, 77, 78-88.
• Osińska M., (2006), Ekonometria finansowa, Polskie Wydawnictwo Ekonomiczne, Warszawa.
• Osińska M., Fałdziński M., Zdanowicz T., (2012), Econometric Analysis of the Risk Transfer in Capital Markets. The Case of China, Argumenta Oeconomica, 2 (29)-2012, Uniwersytet Ekonomiczny we Wrocławiu, 139-164.
• Osińska M., Fałdziński M., (2013), Are Currencies in Central Asian States Related? An Econometric Study of Granger Causality in Risk, Statistica Uþet Audit, 4 (51), 91-97.
• Osińska M., Fałdziński M., (2007), Modele GARCH i SV z zastosowaniem teorii wartości ekstremalnych, Dynamiczne Modele Ekonometryczne, Wydawnictwo Uniwersytetu Mikołaja Kopernika, 10, 27-34.
• Ozun A., Cifter A., Yilmazer S., (2010), Filtered Extreme Value Theory for Value-at-Risk Estimation: Evidence from Turkey, Journal of Risk Finance Incorporating Balance Sheet, 11 (2), 164-179.
• Peek J., Rosengre E. S., (1997), The International Transmission of Financial Shocks: The Case of Japan, The American Economic Review, 87, 495-505.
• Wang L, (2014), Study on the Extreme Risk Spillover between China and World Stock Market after China's Share Structure Reform, Journal of Financial Risk Management, 3, 50-56.
• Zakoian J.-M., (1994), Threshold Heteroscedastic Models, Journal of Economic Dynamics and Control, 18 (5), 931-955.