Wyniki wyszukiwania - BazEkon

1

Wariacyjna metoda pomiaru ryzyka

100%

Pawela-Wargocka L.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2005

|

nr 1088, t. 2 Inwestycje finansowe i ubezpieczenia - tendencje światowe a polski rynek. T. 2

112-125

Zauważmy, że od początku lat osiemdziesiątych rynki finansowe charakteryzuje coraz większa zmienność stóp zwrotu. Poszukiwanie źródeł tej zmienności jest przedmiotem studiów, których wyniki są prezentowane w wielu monografiach. Jednak nie tylko wiedza na temat przyczyn samego zjawiska jest istotna. Równie ważne są próby opracowania bardziej efektywnej metody jego pomiaru. Jest to m.in. warunkiem skutecznego zabezpieczania się przed ryzykiem. W tej sytuacji poszukiwanie alternatywnych sposobów modelowania danych o dużej częstotliwości zmian nabiera coraz większego znaczenia.Celem niniejszej pracy jest prezentacja nowej metody pomiaru ryzyka opartej na pojęciu wariacji funkcji. (fragment tekstu)

2

Miary ryzyka z rodziny ML

80%

Czernik T.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2003

|

nr 991 Inwestycje finansowe i ubezpieczenia - tendencje światowe a polski rynek

91-97

Celem pracy jest zaproponowanie maksymalnej straty oraz jej wartości oczekiwanej jako miar ryzyka nie posiadających większości wad wariancji. W pracy tej zbadano również asymptotyczne zachowanie wymienionych powyżej miar ryzyka. (fragment tekstu)

3

Identyfikacja i pomiar ryzyka pogodowego w przedsiębiorstwie

80%

Kupczyk J.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2005

|

12

|

nr 1076 Klasyfikacja i analiza danych - teoria i zastosowania

200-209

Celem referatu jest prezentacja metody identyfikacji i pomiaru tego ryzyka. Rozważane jest zwłaszcza oddziaływanie warunków pogodowych na wielkość sprzedaży w przedsiębiorstwie. (fragment tekstu)

4

Quantiles Ratio Risk Measure for Stable Distributions Models in Finance

80%

Trzpiot G., Krężołek D.

Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach

|

2009

|

nr 53 Metody wnioskowania statystycznego w badaniach ekonomicznych

109-120

This article presents some quantile risk ratio measures based on unclassical VaR approach (expected and median shortfall). The stable distributed log-returns of Polish indexes WIG and WIG20 are used. The results shows clear lead of stable distribution over the normal one (especially in rerms of VaR calculation).(original abstract)

5

Kwantylowe miary ryzyka

80%

Trzpiot G.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2004

|

11

|

nr 1022 Klasyfikacja i analiza danych - teoria i zastosowania

420-430

Funkcje probabilistyczne lub kwanty 1 o we są wykorzystywane do analizy zachowań modeli decyzyjnych w warunkach niepewności lub przy zmiennych parametrach. W zastosowaniach finansowych kwantyl strat nazywany jest Value-at-Risk (VaR). Jest to powszechnie stosowana miara odpowiadająca na pytanie: jaki jest maksymalny poziom strat przy ustalonym poziomie ufności? Kwantyle są również wykorzystywane do określenia innej miary Conditional Value-at-Risk (CVaR). CVaR (nazywane również Mean Excess Loss, Mean Shortfall lub Tail VaR) jest średnią stratą najgorszych scenariuszy (np. 5%). CVaR ma ciekawsze własności niż VaR. (fragment tekstu)

6

Statystyczne miary ryzyka dla polskiego rynku akcji Część II, metodologia

80%

Kowalewski G.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria

|

1998

|

1

|

nr 765 Zastosowania metod ilościowych

191-198

Jednym z podstawowych kryteriów, które bierze się pod uwagę przy inwestowaniu w akcje, jest ryzyko. W tym artykule będzie nas interesowało tylko ilościowe ujęcie ryzyka. W finansach można wyróżnić dwie ogólne koncepcje ilościowego ujęcia ryzyka. W pierwszej ryzyko rozumiane jest w kategoriach zmienności dochodu, w drugiej - wrażliwości dochodu. W niniejszym artykule zostanie przedstawiona pierwsza koncepcja, druga jest omówiona w artykule Kuziak (1996). Jeśli weźmiemy pod uwagę efekty działania ryzyka, to można wyróżnić dwa ujęcia ryzyka. Określa się je jako:1) możliwość wystąpienia efektu działania niezgodnego z oczekiwaniami; efekt ten może być gorszy niż oczekiwany (przykre zaskoczenie) lub lepszy niż oczekiwany (przyjemna niespodzianka); ryzyko jest więc rozumiane z jednej strony jako zagrożenie, ale z drugiej strony jako szansa;2) możliwość poniesienia szkody lub straty; w tym ujęciu podkreśla się negatywne skutki ryzyka, traktując je tylko jako zagrożenie; efekt lepszy niż oczekiwany nie jest traktowany jako ryzyko.W pracy zostaną przedstawione statystyczne miary ryzyka dla obu wymienionych ujęć ryzyka. (fragment tekstu)

7

Pomiar ryzyka modelu w wycenie opcji

80%

Kuziak K.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2006

|

13

|

nr 1126 Klasyfikacja i analiza danych - teoria i zastosowania

93-102

W artykule tym skupimy się na zagadnieniu pomiaru ryzyka modelu. Analizowanym źródłem ryzyka modelu będzie tylko niepewność co do oszacowań parametrów modelu przy zadanym modelu (zatem przyjmujemy, że model jest prawidłowy i prawidłowo wykorzystany). Badanymi modelami będą modele wyceny opcji indeksowych, a przeprowadzone badania będą dotyczyć opcji wystawionych na indeks WIG20. (fragment tekstu)

8

Applications of Robust Statistics in the Portfolio Theory

80%

Kaszuba B.

Mathematical Economics

|

2012

|

nr 8(15)

63-82

The appropriate selection of portfolio components and determining their weights have a significant influence on the later performance of the investor. The classical method of calculating the weights of individual components in mean variance portfolios is based on sample mean and sample covariance matrix, which are optimal when the data come from multivariate normal distribution. In practice, the distribution of stock returns is not a normal distribution and frequently (albeit to a small extent) is contaminated by outliers; therefore, theoretically, a better approach to determine optimal weights in a portfolio would be to apply robust estimation methods. The main contribution of this paper is to present the possibilities of applying robust statistics methods in the Markowitz portfolio theory. This article contains an overview of the most important robust estimators applied in the portfolio theory. All the methods have been grouped according to the method of determining the outliers and to the accepted disorder models. Moreover, it presents the relevant achievements to date and the results of empirical research in this field. It also shows the potential problems resulting from the practical application of the robust estimation in the rolling horizon.(original abstract)

9

Możliwości i korzyści stosowania modelu pomiaru ryzyka opartego o metodę wartości zagrożonej

80%

Dratwińska-Kania B.

Prace Naukowe / Akademia Ekonomiczna w Katowicach

|

2006

|

Współczesne problemy finansów, bankowości i ubezpieczeń w teorii i praktyce. T. 1

69-76

Omówiono podstawowe założenia metody wartości zagrożonej, a następnie przedstawiono możliwości pomiaru ryzyka tą metodą oraz ograniczenia systemowe utrudniające wdrożenie metody wartości zagrożonej i korzyści stosowania modelu pomiaru ryzyka opartego o ww. metodę.

10

Ułamkowy geometryczny ruch Browna - maksymalna strata i prawdopodobieństwo ruiny

80%

Czernik T.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2010

|

nr 106 Ubezpieczenia emerytalne, społeczne i metody aktuarialne

37-47

W pracy rozważono miarę ryzyka - maksymalną stratę. Wykazano jej przydatność w optymalizacji decyzji inwestycyjnych na rynku akcji, których ewolucja opisana jest ułamkowym geometrycznym ruchem Browna. Pokazano również nietrywialną zależność prawdopodobieństwa osiągnięcia choć raz maksymalnej akceptowalnej straty od historii notowań oraz składu portfela. (abstrakt oryginalny)

11

Zastosowanie miary ryzyka Omega w ocenie trwania życia w zdrowiu

80%

Ojrzyńska A.

Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach. Informatyka i Ekonometria

|

2016

|

4

|

nr 288

47-58

Lata życia w zdrowiu to jedna z miar zaproponowanych do monitorowania stanu zdrowia w krajach europejskich. Metoda ta oparta została na dwóch miarach: częstości występowania niepełnosprawności w populacji w określonym wieku oraz umieralności. Celem artykułu jest wykorzystanie miary ryzyka Omega do oceny ryzyka czasu przeżycia oraz czasu przeżycia w zdrowiu. Miara Omega zaliczana jest do miar kwantylowych, gdyż zakłada występowanie pewnego punktu progowego, dzielącego zbiór realizacji zmiennej na obszar zysku oraz obszar strat. W badaniu jako zysk rozumiana jest liczba lat życia bez niesprawności, natomiast stratą określana jest liczba lat życia z niesprawnością.(abstrakt oryginalny)

12

Semi-Parametric Risk Measures

80%

Trzpiot G.

Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach. Informatyka i Ekonometria

|

2016

|

4

|

nr 288

108-120

Parametryczne metody analizy ryzyka mają długą historię, począwszy od pierwszych propozycji H. Markowitza, związanych z momentami rozkładu zmiennej losowej, rozkładu stop zwrotu ryzykownej inwestycji. Rzeczywiste empiryczne rozkłady nie mają charakterystyk zgodnych z grupą rozkładów eliptycznych. Ocena ryzyka powinna opierać się na miarach bazujących na innych charakterystykach, a jednocześnie charakteryzować się dobrymi własnościami, zgodnymi z aksjomatyką sformułowaną w odniesieniu do miar ryzyka.(abstrakt oryginalny)

13

Pomiar wielkości ryzyka rynkowego na przykładzie KGHM Polska Miedź SA

80%

Romanowski J.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2003

|

nr 990 Inwestycje finansowe i ubezpieczenia - tendencje światowe a polski rynek

601-605

Na przykładzie KGHM Polska Miedź SA przedstawiono proces pomiaru ryzyka rynkowego w przedsiębiorstwie.

14

Teoria wartości ekstremalnych dla zmiennych wielowymiarowych i jej zastosowanie w pomiarze ryzyka

80%

Śmiech S.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2003

|

nr 990 Inwestycje finansowe i ubezpieczenia - tendencje światowe a polski rynek

571-574

Celem artykułu jest przedstawienie podstawowych informacji dotyczących jedno- i wielowymiarowej TWE, jej związku z funkcjami połączeń dla wartości ekstremalnych. Artykuł zawiera przykład, w którym funkcję połączenia Gumbela wykorzystano w celu opisu zależności między ekstremalnym zachowaniem dwóch zmiennych. (fragment tekstu)

15

On Models of Loaded and Discounted Premium

80%

Fecenko J., Pelech J., Voronakova N.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2002

|

nr 952 Inwestycje finansowe i ubezpieczenia - tendencje światowe a polski rynek

45-51

An intensity of risk depends on many factors, which are called risk factors. Some factors need not be measurable, nor identifiable in some cases, or even they can change in time. Rating factors, or rating variables (also tariff variables) are used as a substitute of the risk factors in non-life insurance. Rating variables can be identical with risk factors in some cases. (fragment of text)

16

Identyfikacja i pomiar ryzyka kraju

80%

Bielawska A.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2003

|

nr 990 Inwestycje finansowe i ubezpieczenia - tendencje światowe a polski rynek

248-254

Wyjaśniono istotę i znaczenie ryzyka kraju oraz omówiono sposoby jego pomiaru.

17

Pomiar ryzyka stopy procentowej - metoda luki

61%

Letkowski D.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2012

|

266 Innowacyjność w systemach finansowych

187-200

Celem artykułu jest wskazanie i określenie metody luki (niedopasowania) wartości aktywów i pasywów w określonych terminach ich przeszacowania, jako efektywnego narzędzia identyfikacji ryzyka stopy procentowej, wspomagającego jednocześnie zarządzanie finansowe w podmiotach aktywnie działających na rynkach finansowych w roli inwestorów i kredytobiorców. (fragment tekstu)

18

A Review of Individual and Systemic Risk Measures in Terms of Applicability for Banking Regulations

61%

Sum K.

Contemporary Economics

|

2016

|

10

|

nr 1

71-81

The latest financial crisis has exposed substantial weaknesses in the bank risk models used by national regulators as well as the Basel Accords. The study is aimed at presenting the evolution and critique of risk measures and risk models in banking, with a special focus on the dynamically developing area of systemic risk measures. A discussion of the features of the respective measures allows us to draw conclusions for banking regulations based on the analyzed models and to present the main challenges for regulators in terms of bank risk measurement. The study shows that substantial challenges for regulators include compensating for the drawbacks of the Value at Risk (VaR) and expected shortfall risk models, resolving the pro-cyclicality in risk modeling, improving the techniques of stress testing, and addressing the fallacy of composition in banking (i.e., to model risk from a systemic point of view and not only from the perspective of an individual bank). As the discussion concerning proper risk measurement in regulatory frameworks, such as the Basel Accord or the European Banking Authority's (EBA) rules is in progress, the topic seems to be of particular importance; moreover, measures of systemic risk are not yet a subject of regulation. (original abstract)

19

Modelowanie wielowymiarowe a miary ryzyka

61%

Jajuga K.

Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia

|

2007

|

nr 6, Cz. 1 Rynek kapitałowy: skuteczne inwestowanie

101-107

Jednym z bardziej zaawansowanych problemów rozważanych w finansach, w tym w analizie rynków finansowych, jest pomiar ryzyka. Oprócz znaczenia teoretycznego tego zagadnienia, wzrosła również jego waga praktyczna, z uwagi na wzrost ryzyka w działalności gospodarczej, zwłaszcza na rynkach finansowych. W tym artykule przedstawimy uwagi dotyczące pomiaru ryzyka, z punktu widzenia modeli, które są do tego pomiaru stosowane. Jak powszechnie wiadomo, wyróżnia się trzy podstawowe rodzaje ryzyka finansowego: - ryzyko rynkowe - jest to ryzyko wynikające ze zmian cen na rynkach, zwłaszcza na rynkach finansowych (ryzyko cen akcji, ryzyko stopy procentowej, ryzyko kursu walutowego, ryzyko cen towarów); - ryzyko kredytowe - ryzyko wynikające z możliwości niedotrzymania warunków kontraktów przez drugą stronę; - ryzyko operacyjne - ryzyko wynikające z błędów w funkcjonowaniu wewnętrznych systemów instytucji, błędów popełnionych przez ludzi, a także nieoczekiwanych zdarzeń zewnętrznych w stosunku do rozpatrywanego podmiotu. (fragment tekstu)

20

Koncepcja koherentnych miar ryzyka a ocena ryzyka inwestycyjnego OFE

61%

Włodarczyk A.

Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego

|

2011

|

nr 4/5

213-225

W artykule opisano klasę koherentnych miar ryzyka ze względu na posiadane przez nią cztery pożądane własności miar ryzyka: niezmienniczość na translację, dodatnią jednorodność, monotoniczność oraz subaddytywność. Ostatnimi czasy największą popularność spośród miar ryzyka zyskała wartość zagrożona, jednakże miara ta posiada również pewne wady: VaR nie jest subaddytywny i przy jego pomocy nie można określić wielkości potencjalnej straty z inwestycji w aktywa finansowe, w sytuacji gdy strata ta przekroczy VaR. Przykładem koherentnej miary ryzyka jest oczekiwany niedobór, który jest definiowany jako wartość oczekiwanej straty, pod warunkiem że strata ta przekroczy VaR. Badania empiryczne, które zostały przedstawione w niniejszym opracowaniu dotyczą oceny ryzyka związanego z działalnością inwestycyjną funduszy emerytalnych w Polsce. Na podstawie wartości jednostek rozrachunkowych OFE w okresie 02.01.2007-31.05.2011 obliczono Value at Risk i Expected Shortfall. (abstrakt oryginalny)