Selected GARCH‑type Models in the Metals Market – Backtesting of Value‑at‑Risk

Dominik Krężołek

doi:10.18778/0208-6018.331.12

Autor

Dominik Krężołek Uniwersytet Ekonomiczny w Katowicach, Wydział Informatyki i Komunikacji, Katedra Demografii i Statystyki Ekonomicznej

DOI:

https://doi.org/10.18778/0208-6018.331.12

Słowa kluczowe:

zmienność, modele klasy GARCH, ryzyko, Value‑at‑Risk, rynek metali

Abstrakt

Analiza ryzyka na rynku finansowym wymaga poprawnej oceny zmienności zarówno cen, jak i stóp zwrotu interesujących inwestora aktywów. Szumy informacyjne, sytuacja gospodarcza oraz polityczna, a także zwykła spekulacja powodują istotne trudności w stawianiu trafnych prognoz. Z punktu widzenia inwestora kluczowym zagadnieniem jest minimalizacja ryzyka dużych strat. W artykule podjęto próbę zastosowania wybranych modeli zagnieżdżonych klasy ARMA‑GARCH oraz ARMA‑APARCH do oceny zmienności stóp zwrotu wybranych aktywów notowanych na rynku metali. Do oceny ryzyka inwestycji wykorzystano wartość zagrożoną VaR, natomiast jakość tej oceny z faktycznie zaobserwowanymi stratami zweryfikowano za pomocą wybranych testów przekroczeń.

Pobrania

Brak dostępnych danych do wyświetlenia.

Bibliografia

Batten J.A., Cinter C., Lucey B.M. (2010), The macroeconomic determinants of volatility in precious metals markets, “Resources Policy”, no. 35, pp. 65–71.
Google Scholar

Bollerslev T. (1986), Generalised autoregressive conditional heteroskedasticity, “Journal of Econometrics”, no. 31, pp. 307–327.
Google Scholar

Charles A., Darné O., Kim J.H. (2015), Will precious metals shine? A market efficiency perspective, “International Review of Financial Analysis”, no. 41, pp. 284–291.
Google Scholar

Ding Z., Granger C.W.J., Engle R.F. (1993), A long memory property of stock market returns and a new model, “Journal of Empirical Finance”, no. 1, pp. 83–106.
Google Scholar

Engle R.F. (1982), Autoregressive Conditional Heteroscedasticity with Estimates of Variance of United Kingdom Inflation, “Econometrica”, vol. 50, no. 4, pp. 987–1007.
Google Scholar

Ganczarek A. (2007), Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii, “Dynamiczne Modele Ekonometryczne”, Wydawnictwo UMK w Toruniu, Toruń.
Google Scholar

Karanasos M., Kim J. (2006), A re‑examination of the asymmetric power ARCH model, “Journal of Empirical Finance”, no. 13, pp. 113–128.
Google Scholar

Kupiec P. (1995), Techniques for Verifying the Accuracy of Risk Management Models, “Journal of Derivatives”, no. 3, pp. 73–84.
Google Scholar

Parasuraman N.R., Ramudu P.J. (2011), Historical and implied volatility: an investigation into NSE NIFTY futures and options, “Australian Journal of Business and Management Research”, no. 7, vol. 1, pp. 112–120.
Google Scholar

Piontek K. (2005), Modelowanie własności szeregów stóp zwrotu – skośność rozkładów, “Ekonometria”, no. 15, pp. 297–308.
Google Scholar

Piontek K. (2002), Pomiar ryzyka metodą VaR a modele AR‑GARCH ze składnikiem losowym o warunkowym rozkładzie z “grubymi ogonami”, “Materiały Konferencyjne Uniwersytetu Szczecińskiego, Część II ”, pp. 467–484.
Google Scholar