Skośność rozkładu a estymacja kwantylowych miar ryzyka - przypadek rynku metali

• Autorzy: Dominik Krężołek

Warianty tytułu

Skewness of the Distribution and Estimation of Quantile Risk Measures - the Case of Metals Market

• Języki publikacji: PL

Abstrakty

Pomiar ryzyka inwestycyjnego wymaga zastosowania narzędzi, które w odpowiedni sposób uwzględniają anomalie obserwowane w empirycznych rozkładach stóp zwrotu. Klasyczne modele szacowania ryzyka zakładają gaussowskie rozkłady prawdopodobieństwa, które nie uwzględniają asymetrii rozkładu, mającej związek z występowaniem obserwacji ekstremalnych. Takie obserwacje istotnie wpływają na poziom prawdopodobieństwa w ogonach rozkładów. W pracy podjęto próbę oceny wpływu skośności rozkładu prawdopodobieństwa na ocenę poziomu ryzyka inwestycji podejmowanych na rynku metali. Zastosowano kwantylowe miary ryzyka, m.in. wartość zagrożoną oraz warunkową wartość zagrożoną przy wykorzystaniu różnych teoretycznych rozkładów prawdopodobieństwa. Analizę przeprowadzono uwzględniając okres kryzysu finansowego.(abstrakt oryginalny)

EN

Investment risk measurement requires specific statistical tools which take into account anomalies observed in empirical distributions of returns. Classical models used for modelling risk are based on gaussian approach and do not include asymmetry in data, which is significantly related to extreme observations. These observations affect the thickness of both right and left tails of the empirical distributions. In this paper the influence of skewness observed in empirical probability distributions on the assessment of extreme risk is examined. The area of research is the metals market within the period including economic crisis. The analysis contains some selected quantile risk measures and their estimation using chosen theoretical distributions.(original abstract)

Słowa kluczowe

PL

Pomiar ryzyka; Analiza wartości zagrożonej; Estymacja; Ryzyko inwestycyjne; Przemysł metalowy

EN

Risk measures; Value at Risk Analysis; Estimation; Investment risk; Metal industry

• Czasopismo: Metody Ilościowe w Badaniach Ekonomicznych / Szkoła Główna Gospodarstwa Wiejskiego
• Rocznik: 2017
• Tom: 18(XVIII)
• Numer: nr 4
• Strony: 624-634

Twórcy

autor

Dominik Krężołek

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Aczel A. D. (2000) Statystyka w zarządzaniu. Wydawnictwo Naukowe PWN, Warszawa, 34-35.
• Artzner P., Delbaen F., Eber J.-M., Heath D. (1999) Coherent Measures of Risk. Mathematical Finance, 9 (3), 203-228.
• Bowley A. L. (1920) Elements of Statistics, Charles Scribner's Sons, New York.
• Brys G., Hubert M., Struyf A. (2004) A Robust Measure of Skewness. Journal of Computational and Graphical Statistics, 13 (4), 996-1017.
• Hinkley D. V. (1975) On Power Transformation to Symmetry. Biometrica, 62, 101-111.
• Kou S., Peng X. (2014) Expected Shortfall or Median Shortfall. Journal of Financial Engineering, 1 (1), 1-6.
• Piontek K. (2005) Modelowanie własności szeregów stóp zwrotu - skośność rozkładów. Prace Naukowe Akademii Ekonomicznej we Wrocławiu 1096, Ekonometria 15, 297-308.
• Piontek K. (2007) Pomiar i testowanie skośności rozkładów stóp zwrotu instrumentów finansowych. Prace Naukowe Akademii Ekonomicznej we Wrocławiu 1096, Taksonomia, 122-130.
• ---

Identyfikatory

DOI

10.22630/MIBE.2017.18.4.57