Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "GARCH" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    ARIMA-GARCH MODELS IN ESTIMATING MARKET RISK USING VALUE AT RISK FOR THE WIG20 INDEX
    Autorzy:
    Makiel, Kamil
    Powiązania:
    https://bibliotekanauki.pl/articles/599654.pdf
    Data publikacji:
    2012
    Wydawca:
    Wyższa Szkoła Informatyki i Zarządzania z siedzibą w Rzeszowie
    Tematy:
    VaR
    risk
    GARCH
    Opis:
    This paper determines whether the VaR estimation is influenced by conditional distribution of return rates (normal, t-student, GED) and attempts to choose the model which best estimates VaR on a selected example. We considered logarithmic return rates for the WIG-20 index from 1999-2011. Then, on their basis we estimates various types of ARIMA-GARCH (1,1) models. Applying relevant models we calculated VaR for the long and short position. The differences between the models were settled on the basis of the Kupiec test.
    Źródło:
    Finansowy Kwartalnik Internetowy e-Finanse; 2012, 8, 2; 25-33
    1734-039X
    Pojawia się w:
    Finansowy Kwartalnik Internetowy e-Finanse
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combining forecasts? Keep it simple
    Autorzy:
    Lis, Szymon
    Chlebus, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/22443122.pdf
    Data publikacji:
    2023-10-31
    Wydawca:
    Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
    Tematy:
    Machine learning
    GARCH model
    combined forecasts
    commodities
    VaR
    Opis:
    This study contrasts GARCH models with diverse combined forecast techniques for Commodities Value at Risk (VaR)modeling, aiming to enhance accuracy and provide novel insights. Employing daily returns data from 2000 to 2020 forgold, silver, oil, gas, and copper, various combination methods are evaluated using the Model Confidence Set (MCS) procedure. Results show individual models excel in forecasting VaR at a 0.975 confidence level, while combined methods outperform at 0.99 confidence. Especially during high uncertainty, as during COVID-19, combined forecasts prove more effective. Surprisingly, simple methods such as mean or lowest VaR yield optimal results, highlighting their efficacy. This study contributes by offering a broad comparison of forecasting methods, covering a substantial period, and dissecting crisis and prosperity phases. This advances understanding in financial forecasting, benefiting both academia and practitioners.
    Źródło:
    Central European Economic Journal; 2023, 10, 57; 343-370
    2543-6821
    Pojawia się w:
    Central European Economic Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estimating Model Risk of VaR under Different Approaches: Study on European Banks
    Autorzy:
    Pasieczna, Aleksandra Helena
    Szydłowska, Magdalena Joanna
    Powiązania:
    https://bibliotekanauki.pl/articles/2079534.pdf
    Data publikacji:
    2021-12-31
    Wydawca:
    Państwowa Wyższa Szkoła Techniczno-Ekonomiczna im. ks. Bronisława Markiewicza w Jarosławiu
    Tematy:
    VaR
    Monte Carlo
    model risk
    precision
    historical simulation
    GARCH
    Opis:
    The objective of this research is to estimate the model risk, represented as precision, and the accuracy of the Value at Risk (VaR) measure, under three different approaches: historical simulation (HS), Monte Carlo (MC), and generalized ARCH (GARCH). In this work, to analyze the VaR model, the accuracy and precision were used. Estimation of the accuracy and precision was done under the three approaches for four European banks at 95 and 99% confidence levels. The percentage crossings and Kupiec POF were used to judge the model accuracy, whereas the ratio of the maximum and minimum VaR estimates, and the spread between the maximum and minimum VaR estimates were used to estimate the model risk. This was achieved by changing input parameters, specifically, the estimation time window (125, 250, 500 days). Implications/Recommendations: The accuracy alone is not sufficient to evaluate a model and precision is also required. The temporal evolution of the precision metrics showed that the VaR approaches were inconsistent under different market conditions. This article focuses on the accuracy and precision concepts applied to estimate model risk of the Value at Risk (VaR). VaR is the foundation for sophisticated risk metrics, including systemic risk measures like Marginal Expected Shortfall and Delta Conditional Value at Risk. Thus, understanding the risk associated with the use of VaR is crucial for finance practitioners.
    Źródło:
    Współczesne Problemy Zarządzania; 2021, 9, 2(19); 65-76
    2720-1627
    2720-2569
    Pojawia się w:
    Współczesne Problemy Zarządzania
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zmienność cen na globalnym rynku surowców a ryzyko banku
    Price Volatility in the Commodity Market and the Bank’s Risk
    Autorzy:
    Włodarczyk, Bogdan
    Powiązania:
    https://bibliotekanauki.pl/articles/956732.pdf
    Data publikacji:
    2017-05-30
    Wydawca:
    Uniwersytet Warszawski. Wydawnictwo Naukowe Wydziału Zarządzania
    Tematy:
    rynki surowców
    ryzyko kredytowe
    ryzyko rynkowe
    zmienność
    GARCH
    VaR
    credit risk
    market risk
    raw materials
    petroleum
    Opis:
    W dotychczasowych badaniach zmienności na rynkach towarowych brano pod uwagę dynamikę zmienności cen wybranych towarów lub analizowano przenoszenie się w czasie zmienności z jednych towarów na inne. W tym celu wykorzystywano standardowe modele zmienności. Obecnie w ramach przeprowadzanych badań gromadzi się różnorodne charakterystyki zmienności towarów i ich grup w celu skompletowania metodycznego zestawu narzędzi o większej precyzji prognostycznej. Niestabilność cen na rynkach surowców istotnie wpływa na efektywność sfery realnej gospodarki. Surowce nie tylko są wykorzystane w przemyśle, ale też cieszą się dużym zainteresowaniem inwestorów w okresach dekoniunktury gospodarczej, będąc przedmiotem spekulacji. Można zatem stwierdzić, że oddziaływanie zmienności cen surowców na ryzyko banku opiera się na mechanizmie bezpośrednim (poprzez ryzyko rynkowe) i pośrednim (poprzez ryzyko kredytowe). W artykule zaprezentowano oba ujęcia, przy czym ryzyko rynkowe zostało metodycznie uwypuklone. Odpowiednie wyselekcjonowanie narzędzi prognozowania oraz zastosowanie właściwych instrumentów zabezpieczających to elementy skutecznej polityki zabezpieczeń ryzyka, które kształtują zarówno ryzyko rynkowe (oddziaływanie bezpośrednie), jak i ryzyko kredytowe banków (ujęcie pośrednie).
    Price volatility in raw material markets significantly affects the efficiency of real economy. Raw materials are not only used in the industry but are also very popular in periods of economic downturn. An appropriate prognosis of price volatility in these markets and their adequate security ensured by means of financial instruments can be a basis for avoiding many financial perturbations of enterprises, and consequently of financial institutions. Financial institutions, including banks, are exposed to credit and market risk, through the absorption of a part of market risk in a direct (investments in raw materials, transaction services) and indirect way (providing credit to entities in commodity markets). Selection of these prognosis tools as well as appropriate instruments securing prices, hence hedging the risk from the financial market, are elements of the risk hedging policy in the real sphere, which has an effect on the credit risk and investment. The aim of the article is the bank’s risk assessment in the context of price volatility in commodity markets. At the same time, the research problem was raised that refers to the way in which the variability of prices and rates of return in the commodity market is reflected in the level of the bank’s risk. An analysis of the asymmetry effect and long memory in the modelling and prognosis of conditional volatility and market risk on the commodity market was conducted in the article, taking petroleum as an example. GARCH and FIAPARCH models were used for that purpose. The analysis of the in-sample and out-of-sample prognosis showed that the variation of rates of return for oil is better described by a non-linear model of the variation using a long memory and asymmetry effect.
    Źródło:
    Problemy Zarządzania; 2017, 1/2017 (66), t.2; 107 - 124
    1644-9584
    Pojawia się w:
    Problemy Zarządzania
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies