Warianty tytułu
Języki publikacji
Abstrakty
Modele CaViaR zaproponowane przez Engle i Manganelli (1999) wykorzystują zjawisko autokorelacji na rynkach finansowych i pozwalają szacować wartośc zagrożoną - Value at Risk - na podstawie historycznych informacji.VaR jest miarą pozwalającą szacować stratę jaka może się zrealizować na inwestycji z określonym prawdopodobieństwem (poziom istotności). (fragment tekstu)
Rocznik
Strony
97-110
Opis fizyczny
Twórcy
Bibliografia
- Bałamut T. (2002). Metody estymacji Value at Risk. "Materiały i Studia". NBP, Warszawa.
- Doman R., Doman M. (2009). Modelowanie zmienności i ryzyka: metody ekonometrii finansowej. Wolters Kluwer Polska, Warszawa.
- Engle R.F., Manganelli S. (2004). CAViaR: Conditional Autoregressive Value at Risk by Regression Quantiles. "Journal of Business and Economic Statistics", 22, s. 367-381.
- Koenker R., Bassett G. (1978). Regression Quantiles. "Econometrica", Vol. 46, No.1.
- Kupiec P. (1995). Techniques for Verifying the Accuracy of Risk Management Models. "Journal of Derivatives", 2.
- Newey W.K., Powell L. (1987). Asymmetric Least Squares Estimation and Testing. "Econometrica", Vol. 55,s. 819-847.
- Taylor W. (2008). Estimating Value at Risk and Expected Shortfall Using Expectiles. "Journal of Financial Econometrics", s. 231-252.
- Trzpiot G. (2007). Regresja kwantylowa a estymacja VaR. Akademia Ekonomiczna, Wrocław.
- Trzpiot G. (2008). Implementacja metodologii regresji kwantylowej w estymacji VaR. Studia i Prace. Uniwersytet Szczeciński, Szczecin, 9, s. 316-323.
- Trzpiot G.,Jeziorski P. (2010). Implementacja modeli CaViaR z wykorzystaniem rolowanej regresji kwantylowej. Wrocław (w druku).
- Trzpiot G., Majewska J. (2010). Estimation of Value at Risk: Extreme Value and Robust Approaches. Badania Operacyjne i Decyzje I/2010. Politechnika Wrocławska, Wrocław.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171220807