- Tytuł:
-
Can Lognormal, Weibull or Gamma Distributions Improve the EWS-GARCH Value-at-Risk Forecasts?
Czy zastosowanie rozkładów lognormalnego, Weibulla lub Gamma może poprawić prognozy wartości narażonej na ryzyko uzyskiwane na podstawie modeli EWS-GARCH? - Autorzy:
- Chlebus, Marcin
- Powiązania:
- https://bibliotekanauki.pl/articles/1050535.pdf
- Data publikacji:
- 2016-09-30
- Wydawca:
- Główny Urząd Statystyczny
- Tematy:
-
Value-at-Risk
GARCH models
regime switching
forecasting
market risk
wartość zagrożona (Value-at-Risk)
model GARCH
modele zmiany stanu
prognozowanie
ryzyko rynkowe - Opis:
-
In the study, two-step EWS-GARCH models to forecast Value-at-Risk are analysed. The following models were considered: the EWS-GARCH models with lognormal, Weibull or Gamma distributions as a distributions in a state of turbulence, and with GARCH(1,1) or GARCH(1,1) with the amendment to empirical distribution of random error models as models used in a state of tranquillity.
The evaluation of the quality of the Value-at-Risk forecasts was based on the Value-at-Risk forecasts adequacy (the excess ratio, the Kupiec test, the Christoffersen test, the asymptotic test of unconditional coverage and the backtesting criteria defined by the Basel Committee) and the analysis of loss functions (the Lopez quadratic loss function, the Abad & Benito absolute loss function, the 3rd version of Caporin loss function and the function of excessive costs). Obtained results show that the EWSGARCH models with lognormal, Weibull or Gamma distributions may compete with EWS-GARCH models with exponential and empirical distributions. The EWS-GARCH model with lognormal, Weibull or Gamma distributions are relatively less conservative, but using them is less expensive than using the other EWS-GARCH models.
W badaniu analizie poddane zostały dwustopniowe modele EWS-GARCH służące do prognozowania wartości narażonej na ryzyko. W ramach analizy rozpatrywane były modele EWS-GARCH zakładające rozkłady lognormalny, Weibulla oraz Gamma w stanie turbulencji oraz modele GARCH(1,1) i GARCH(1,1) z poprawką na rozkład empiryczny w stanie spokoju. Ocena jakości prognoz Value-at-Risk uzyskanych na podstawie wspomnianych modeli została przeprowadzona na podstawie miar adekwatności (wskaźnik przekroczeń, test Kupca, test Christoffersena, test asymptotyczny bezwarunkowego pokrycia oraz kryteria backtestingu określone przez Komitet Bazylejski) oraz analizy funkcji strat (kwadratowa funkcja straty Lopeza, absolutna funkcja straty Abad i Benito, 3 wersja funkcji straty Caporina oraz funkcja nadmiernych kosztów). Uzyskane wyniki wskazują, że modele EWS-GARCH z rozkładem lognormalnym, Weibulla lub Gamma mogą konkurować z modelami EWS-GARCH z rozkładem wykładniczym lub empirycznym. Modele EWS-GARCH z rozkładem lognormalnym, Weibulla lub Gamma są nieco mniej konserwatywne, jednocześnie jednak koszt ich stosowania jest mniejszy niż modeli EWS-GARCH z rozkładem wykładniczym lub empirycznym. - Źródło:
-
Przegląd Statystyczny; 2016, 63, 3; 329-350
0033-2372 - Pojawia się w:
- Przegląd Statystyczny
- Dostawca treści:
- Biblioteka Nauki
Artykuł