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 "CVaR" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Odporny pomiar ryzyka
    Robust risk measures
    Autorzy:
    Trzpiot, Grażyna
    Powiązania:
    https://bibliotekanauki.pl/articles/589839.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Miary ryzyka
    Odporne CVaR
    Odporne miary ryzyka
    Risk measures
    Robust CVaR (RCVaR)
    Robust risk measures
    Opis:
    Szacowanie prawdopodobieństwa w problemach, w których mogą wystąpić różne zdarzenia, jest zazwyczaj niezwykle trudnym zadaniem, podlega bowiem wielu źródłom niepewności. Wiemy, że rozkłady prawdopodobieństwa mogą zmieniać się w czasie, co prowadzi do bardzo trudnych ocen ryzyka wywołanych przez konkretne decyzje. Rozważając rozkłady prawdopodobieństwa oraz zbiór nominalnych miar ryzyka, przedstawiamy koncepcję odpornej miary ryzyka. Odporną miarę ryzyka rozpatrzymy jako najgorszy możliwy zbiór ryzyk przy założeniu, że każdy ze zbiorów rozkładów prawdopodobieństwa jest prawdopodobny. Omówimy właściwości odpornej miary ryzyka związane z nominalnymi zbiorami ryzyka, takie jak wypukłość lub koherencja. W szczególności omówimy odporną wersję warunkowego Value-at-Risk (CVaR). Zastosowania omówionego podejścia odniesiemy do aktywów z GPW w Warszawie.
    Estimating the probabilities by which different events might occur is usually a difficult problem. Usually probabilities change over time, leading to a very difficult to evalued of the risk induced by any particular decision. For a given set of probability measures and a set of nominal risk measures, we describe robust risk measure as the worst possible of risks when each of probability measures may occur. We describe some properties of those of our nominal risk measures, such as convexity or coherence. We use a robust version of the Conditional Value-at-Risk (CVaR). We applied Robust CVaR (RCVaR) using data from the Warsaw Stock Exchange.
    Źródło:
    Studia Ekonomiczne; 2017, 340; 177-194
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Investment Risk Measurement Based on Quantiles and Expectiles
    Pomiar ryzyka inwestycyjnego z wykorzystaniem kwantyli i oczekiwań
    Autorzy:
    Trzpiot, Grażyna
    Powiązania:
    https://bibliotekanauki.pl/articles/654634.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    kwantyle
    oczekiwania
    VaR
    CVaR
    asymetryczny model najmniejszych kwadratów
    quantile
    expectile
    least asymmetrically weighted squares
    Opis:
    W badaniach starano się przyjrzeć szczegółowemu pomiarowi ryzyka inwestycyjnego. Użyto regresji kwantylowej jako modelu, opisując bardziej ogólne właściwości rozkładu stopy zwrotu. W regresji kwantylowej przyjęto efekty regresji względem warunkowych kwantyli regresorów. W modelu regresji skoncentrowano się na rozszerzeniu regresji liniowej (OLS), wykorzystując regresję oczekiwań. Celem zastosowania obu podejść jest pomiar ryzyka inwestycyjnego. Obydwa modele regresji są wersją ważonego modelu najmniejszych kwadratów. Najczęściej stosowanymi rodzinami miar ryzyka, poza miarami zmienności, są miary zagrożenia, a w praktyce wartość zagrożona (VaR) i warunkowa wartość zagrożona ryzykiem (CVaR). Można je oszacować przez kwantyle lub oczekiwania wyznaczone w ogonie rozkładu odpowiedzi.
    In the presented research, we attempt to examine special investment risk measurement. We use quantile regression as a model by describing more general properties of the response distribution. In quantile regression, we assume regression effects on the conditional quantile function of the response. In regression modelling, the focus is on extending linear regression (OLS), and in this paper we seek to apply expectile regression. The purpose of using both approaches is investment risk measurement. Both regression models are a version of least weighted squares model. The families of risk measures most commonly used in practice are the Value‑at‑Risk (VaR) and the Conditional Value‑at‑Risk (CVaR), which can be estimated by quantiles or expectiles in the tail of the response distribution.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2018, 5, 338; 213-227
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The risk of the Polish equity funds in the years 2004-2018 determined using the VaR and CVaR measures
    Autorzy:
    Żebrowska-Suchodolska, Dorota
    Powiązania:
    https://bibliotekanauki.pl/articles/2147438.pdf
    Data publikacji:
    2019-06-03
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    investment risk
    open-end mutual funds
    Value at Risk (VaR)
    conditional Value at Risk (CVaR)
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2019, 20, 1; 72-82
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    VaR in risk analysis on DAM and models of volatility of variance
    VaR w analizie ryzyka na RDN a modele zmienności wariancji
    Autorzy:
    Ganczarek, Alicja
    Powiązania:
    https://bibliotekanauki.pl/articles/907049.pdf
    Data publikacji:
    2008
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Generalized Autoregressive Conditional Heteroscedasticity (GARCH)
    Generalized Error Distribution (GED)
    nonnal distribution
    t-Student’s distribution
    Value-at-Risk (VAR)
    Conditional Value-at-Risk (CVaR)
    failure test
    Opis:
    The aim of this paper is to describe and measure risk on the Day Ahead Marked (DAM) of the Polish Power Exchange. In this paper downside risk measures such as Vcilue-at-Risk (VaR) and Conditional Value-at-Risk (CVaR) are presented. These measures were estimated on the basis of the Generalized Autoregressive Conditional Heteroscedasticity (GARCH). They are applied to time series of the logarithmic rate of return of prices from the DAM from March to October 2003. The Kupiec test was used to choose an appropriate heteroscedasticity model to compute VaR and CVaR and to describe and measure risk on the DAM.
    W pracy przeprowadzono analizę ryzyka na Rynku Dnia Następnego (RDN) Towarowej Giełdy Energii. Do pomiaru ryzyka zmiany ceny na RDN wykorzystano wartości zagrożone: Value-at-Risk (VaR) oraz Conditional Value-at-Risk (CVaR), oszacowane na podstawie modeli z warunkową wariancją: Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Do oceny efektywności oszacowanych wartości VaR oraz CVaR wykorzystano test przekroczeń Kupca. Analizę ryzyka przeprowadzono na szeregach czasowych dziennych logarytmicznych stóp zwrotu cen energii elektrycznej notowanej na RDN w okresie od marca do października 2003.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2008, 216
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    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