Ograniczanie wyników
Czasopisma help
Autorzy help
Lata help
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 204

Liczba wyników na stronie
first rewind previous Strona / 11 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  VaR method
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 11 next fast forward last
1
Content available remote O własnościach transformujących miar ryzyka
100%
W ostatnich latach miara Value at Risk (VaRα) była wybierana w instytucjach do pomiaru ryzyka jako miara ryzyka rynkowego. Podstawową zaletą VaRα, w porównaniu z innymi miarami ryzyka jest fakt, że kiedy zastosuje się tę miarę do dowolnego instrumentu finansowego, otrzymuje się ocenę ryzyka wyrażoną jako strata w jednostkach pieniężnych. (fragment tekstu)
2
Content available remote Zastosowanie skointegrowanych modeli VAR na międzynarodowych rynkach finansowych
100%
W niniejszym artykule przedstawiono implementację skointegrowanych modeli VAR na rynku papierów wartościowych. Badania empiryczne przeprowadzono dla rynku polskiego (WIG - Warszawski Indeks Giełdowy) oraz dla rynku Stanów Zjednoczonych (DJIA - Down Jones Industrial Average). (fragment tekstu)
Wartość zagrożona (Value at Risk, AaR) jest obecnie standardowąmiarą, zapomocą której analitycy finansowikwalifikują ryzyko rynkowe. W niniejszym artykule prognozowany jest VaR dla indeksu WIG20, przy wykorzystaniu oszacowań zmienności uzyskanych za pomocą modeli AR-GARCH oraz modeli dwuliniowych BL-GARCH. (fragment tekstu)
W pracy omówione są dwie miary ryzyka określane za pomocą górnego kwantyla losowej straty przy założeniach Artznera i in. [2] o skończonej liczbie przyszłych stanów rynku i o istnieniu instrumentu bezpiecznego. Te miary to VaR (Value at Risk) i TCE (Tail Conditional Expectation). W celu porównania przytoczone są również trzy definicje dwóch koherentnych miar ryzyka: WCE (Worst Conditional Expetation) oraz CVaR/ES (Expected Shortfall/Conditional VaR), które dla zmiennych skokowych, lub ogólnie - niekoniecznie posiadających gęstość, wprowadzone są odpowiednio w pracach. Gdy strata losowa ma rozkład skokowy, to miara TCE różni się od miary ES/CVaR. Ponadto, koherencja miary TCE zależy od liczby końcowych stanów rynku: na rynku dwustanowym miara ta jest koherentna, gdyż nie różni się od miary WCE, a na rynku trójstanowym miara TCE nie jest podaddytywna. Niezależnie od liczby stanów miara VaR okazuje się współmonotonicznie addytywna, podobnie jak w twierdzeniu udowodnionym przez Pfluga , nie- dotyczącym jednak strat o rozkładzie dyskretnym. Dowód przeprowadzony w niniejszej pracy odnosi się do rynku o skończonej liczbie stanów. Przedstawiony jest też przykład pokazujący, że współmonotonicznoć strat nie powoduje podaddytywności TCE.(fragment tekstu)
W artykule przedstawiono metody szacowania opłacalności inwestycji rzeczowych uwzględniających ryzyko i zaprezentowano przeprowadzone badania, oparte na inwestycji zrealizowanej w wybranym przedsiębiorstwie, metodami ekwiwalentu pewności oraz VaR.(abstrakt oryginalny)
6
Content available remote Zależność: fakty i mity
100%
Artykuł poświęcony jest wybranym zagadnieniom zależności zmiennych losowych, które można opisać za pomocą funkcji łączących (kopula). Opisano związek dwuwymiarowego rozkładu normalnego z gaussowską funkcją łączącą wraz z najczęściej stosowaną miarą zależności: współczynnikiem korelacji Pearsona. Wnioski odniesiono do przypadku wielowymiarowych rozkładów eliptycznych, w szczególności rozkładów normalnych. Zbadano także rozkład sumy zmiennych losowych pod względem najczęściej stosowanej miary ryzyka, jaką jest VaR. Pokazano, że największe wartości tej miary wcale nie muszą zachodzić dla ścisłej zależności ani dla niezależności.(abstrakt oryginalny)
7
Content available remote Wybrane testy nieobciążoności miar ryzyka na przykładzie Value at Risk
100%
Celem pracy jest analiza porównawcza testów nieobciążoności służących do oceny poprawności szacowania ryzyka metodą Value at Risk. Przedstawiono wybrane testy, które weryfikują liczbę przekroczeń oraz ich niezależność.(abstrakt oryginalny)
8
Content available remote Scenario-based Stress Tests : Are They Painful Enough?
100%
Forecasts, models and stress tests are important tools for policymakers and business planners. Recent developments in these related spheres have seen greater emphasis placed on stress tests from a regulatory perspective, while at the same time forecasting performance has been criticized. Given the interlinkages between the two, similar limitations apply to stress tests as to forecasts and should be borne in mind by practitioners. In addition, the recent evolution of stress tests, and in particular the increasing popularity of scenario-based approaches, raises concerns about how well the shortcomings of the associated models are understood. This includes estimated stress cases relative to base cases - the degree of pain - that simple scenario modelling approaches engender. This paper illustrates this phenomenon using simulation techniques and demonstrates that more extreme stress scenarios need to be employed in order to match the inference from simple value-at-risk approaches. Alternatively, complex modelling approaches can address this concern, but are not widely used to date. Some policymakers seem to be aware of these issues, judging by the severity of some recent stress scenarios. (original abstract)
W niniejszym opracowaniu staraliśmy się wykazać przydatność modeli VAR w badaniach regionalnych. Pokazaliśmy, że konstrukcja modelu szczególnie predysponuje go do badań dla danych przestrzenno-czasowych, czyli dla danych charakteryzujących najczęściej analizy regionalne. (fragment tekstu)
10
Content available remote Appllcation of Asymmetric Least Squares Method in Estimation Caviar Mooels
100%
Modele CaViaR wykorzystywane do szacowania Value at Risk (VaR) posiadają zaletę w postaci braku założeń dla rozkładu stóp zwrotu. Prognozy VaR wyznaczane są na podstawie historycznych stóp zwrotu, wykorzystując własność autokorelacji. Autorzy zaprezentowali asymetryczną metodę najmniejszych kwadratów (ALS) do estymacji parametrów modeli CaViaR, która w kolejnym kroku została porównana z klasyczną metodą najmniejszych kwadratów. ALS jest metodą regresji, w której kwadraty reszt modelu posiadają różne wagi: reszty dodatnie otrzymują wagi równe rzędowi kwantyla, natomiast reszty ujemne otrzymują wagi równe dopełnieniu do jedności rzędu kwantyla. Ważenie reszt powoduje przesunięcie oszacowań w kierunku wartości skrajnych przy założeniu niskich rzędów kwantyla, podczas gdy w klasycznej metodzie najmniejszych kwadratów oszacowania opieraj się na warunkowych średnich.(abstrakt oryginalny)
11
Content available remote Multivariate Decompositions for Value at Risk Modelling
100%
This paper presents the application of independent component analysis (ICA) for value at risk modelling (VaR). The probabilistic models fitted to hidden components from the time series help to identify the independent factors influencing the portfolio value. An important issue here is the choice of the ICA algorithm, especially taking into account the characteristics of the instruments with respect to higher-order statistics. The proposed ICA-VaR concept has been tested on transactional data of selected stocks listed on Warsaw Stock Exchange. (original abstract)
Celem opracowania jest próba klasyfikacji ryzyka, które można zaobserwować, gdy mamy do czynienia z danymi z rynku metali. Ogólna definicja ryzyka obejmuje dwa wymiary: prawdopodobieństwo wystąpienia zdarzenia ryzykownego i związane z nim konsekwencje zestawu niebezpiecznych scenariuszy. W niniejszym badaniu staramy się dodać nowy wymiar: źródło ryzyka, które można zdefiniować w kategoriach poziomu obrotu (zmienność wolumenu) oraz ceny (zmienność stóp zwrotu). Ryzyko możemy kategoryzować według wielowymiarowego rankingu, na podstawie porównawczej oceny konsekwencji, prawdopodobieństwa i źródła danego ryzyka. Inny wymiar to wybrane miary ryzyka w rozumieniu modelu ryzyka. W analizie ryzyka wykorzystano wybrane miary kwantylowe: VaR, Expected Shortfall, Median Shortfall oraz GlueVaR. W części empirycznej przedstawiamy analizę ryzyka w ujęciu wielowymiarowym przeprowadzoną na rynku metali.(abstrakt oryginalny)
Scharakteryzowano koncepcję wartości narażonej na ryzyko (VaR) oraz omówiono implementacje wartości zagrożonej. Przedstawiono najczęściej stosowane metody szacowania wartości zagrożonej (metodę wariancji-kowariancji; metodę symulacji Monte Carlo i metodę symulacji historycznej). Zwrócono także uwagę na wady i zalety wskaźnika VaR.
14
Content available remote O wybranych własnościach miar ryzyka
100%
Powszechnie wykorzystywane do pomiaru ryzyka miary, jakimi są odchylenie standardowe oraz Value-at-risk nie zawsze oddają charakter mierzonego ryzyka. Dla uogólnienia problematyki pomiaru ryzyka zaproponowano podejście związane z koherentnymi miarami ryzyka. W pracy omówiono aksjomatykę związaną z proponowanym podejściem oraz przegląd miar związanych z omawianą aksjomatyką. Przedstawiono również dyskusję omawianych wasności oraz możliwości praktycznych zastosowań.
W artykule przedstawiono podejście do szacowania Value at Risk dla długiego okresu dla rozkładów stóp zwrotu normalnego, t-Studenta oraz rozkładu wartości ekstremalnych. Zaprezentowana metoda może mieć praktyczne znaczenie do wyznaczania długoterminowego poziomu ryzyka dla takich form lokowania kapitałów, jak fundusze emerytalne, które działają w długim horyzoncie czasowym i również w długim okresie winna być oceniana ich polityka inwestycyjna. Dotychczas stosowane podejście do liczenia VaR sprawdzało się w krótkim okresie, ale w ocenie długoterminowego poziomu ryzyka znacznie je przeszacowywało. Przedstawiony sposób liczenia VaR jest próbą rozwiązania tego problemu. (fragment tekstu)
16
Content available remote Strategie finansowania działalności inwestycyjnej a ryzyko
75%
Istotnym czynnikiem rozwoju gospodarczego są inwestycje. Programy inwestycyjne zazwyczaj wymagają długotrwałego zaangażowania środków finansowych. Może to stanowić dla inwestora potencjalne źródło niepewności i ryzyka. Celem głównym artykułu jest przedstawienie wybranych aspektów działalności inwestycyjnej podmiotu gospodarczego, akcentując inwestycje jako jeden z kluczowych czynników rozwoju gospodarczego. Jako cel uzupełniający podjęto próbę oceny ryzyka przykładowej inwestycji na rynku kapitałowym. Zastosowano w tym celu miarę wartości zagrożonej VaR. (abstrakt oryginalny)
Although regulatory standards, currently developed by the Basel Committee on Banking Supervision, anticipate a shift from VaR to ES, the evaluation of risk models currently remains based on the VaR measure. Motivated by the Basel regulations, we address the issue of VaR backtesting and contribute to the debate by exploring statistical properties of the exponential autoregressive conditional duration (EACD) VaR test. We show that, under the null, the tested parameter lies at the boundary of the parameter space, which can profoundly affect the accuracy of this test. To compensate for this deficiency, a mixture of chi-square distributions is applied. The resulting accuracy improvement allows for the omission of the Monte Carlo simulations used to implement the EACD VaR test in earlier studies, which dramatically improves the computational efficiency of the procedure. We demonstrate that the EACD approach to testing VaR has the potential to enhance statistical inference in most problematic cases - for small samples and for those close to the null. (original abstract)
18
75%
This article aims to analyse the Feldstein-Horioka hypothesis, which suggests a strong correlation between investments and savings in advanced economies. Additionally, the analysis of the Feldstein- Horioka hypothesis was expanded to include emerging markets and developing economies in order to provide a thorough analysis of this issue.1 The paper utilises a research method based on bibliographic studies in macroeconomics and international finances as well as econometric methods (the vector autoregressive model - VAR). All statistical data used in the paper are taken from the statistical database of the International Monetary Fund (World Economic Outlook Database). (original abstract)
W myśl znowelizowanej ustawy z 29 września 1994 roku o rachunkowości oraz towarzyszącego jej rozporządzenia ministra finansów z 12 grudnia 2001 roku w sprawie szczegółowych zasad uznawania, metod wyceny, zakresu ujawniania i sposobu prezentacji instrumentów finansowych, instrumentem zabezpieczającym może być każdy instrument pochodny, o ile można rzetelnie określić jego wartość godziwą. Ustawa dzieli finansowe instrumenty pochodne na aktywa finansowe i zobowiązania finansowe przeznaczone do obrotu lub na instrumenty zabezpieczające. Ewidencja zmian wartości godziwej pochodnych różni się w zależności od tego, do której grupy dany instrument zaliczymy. Stopień, w jakim zmiany wartości godziwej zabezpieczanej pozycji oraz zmiany przepływów środków pieniężnych z niej wynikających są kompensowane przez zmiany wartości godziwej instrumentu zabezpieczającego lub zmiany przepływów środków pieniężnych z niego wynikających stanowi skuteczną część zabezpieczenia. Część nieskuteczną traktuje się jak każdy inny instrument finansowy przeznaczony do obrotu. Nieskuteczna część zabezpieczenia ma więc ten skutek, którego jednostka chciała uniknąć decydując się na zabezpieczenie określonej pozycji bilansowej lub przepływu pieniężnego - wzrostu ryzyka. Głównym warunkiem uznania instrumentu pochodnego za pozycję zabezpieczającą jest wysoka efektywność w redukcji ryzyka, którą rozporządzenie określa na 80% do 125%. Efektem zarządzania ryzykiem za pomocą instrumentów pochodnych niespełniających tego i pozostałych kryteriów rachunkowości zabezpieczeń zamiast stabilizacji może być wzrost wahań wyniku finansowego. Jednocześnie rozporządzenie nie podpowiada, w jaki sposób dokonywać pomiaru efektywności zabezpieczenia. W pracy „Pomiar efektywności zabezpieczenia i ewidencja pozycji zabezpieczanych i zabezpieczających” (A. Jabłońska-Mazur) wykazano wpływ nowych rozwiązań w rachunkowości zabezpieczeń na zmienność wyniku finansowego jednostki. (abstrakt oryginalny)
Metoda wartości ryzykowanej pozwala na określenie z pewnym, przyjętym poziomem ufności, wielkości maksymalnej straty, jaką może ponieść inwestor w danym horyzoncie czasowym. Artykuł przedstawia podstawowe metody kalkulacji VaR, w kontekście przyjętego zaożenia o rozkładzie stóp zwrotu.
first rewind previous Strona / 11 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.