본 연구에서는 2000년 1월부터 2009년 12월까지로 총 2,457일의 KOSPI200지수의 수익률을 사용하여 다양한 방법을 이용한 VaR측정 모형의 적정성을 비교 분석하였다. VaR 측정치를 가지고 표본외 기간에 대한 범위예측의 무조건부 커버리지 사후검증 방식을 이용하여 어떤 모형이 각 포트폴리오의 VaR측정에 적합한지를 평가하였다. 각 포트폴리오에 대한 VaR측정은 목표기간은 1일이고 95%와 99%의 ...
본 연구에서는 2000년 1월부터 2009년 12월까지로 총 2,457일의 KOSPI200지수의 수익률을 사용하여 다양한 방법을 이용한 VaR측정 모형의 적정성을 비교 분석하였다. VaR 측정치를 가지고 표본외 기간에 대한 범위예측의 무조건부 커버리지 사후검증 방식을 이용하여 어떤 모형이 각 포트폴리오의 VaR측정에 적합한지를 평가하였다. 각 포트폴리오에 대한 VaR측정은 목표기간은 1일이고 95%와 99%의 신뢰수준에서 VaR를 계산하고 각각에 대한 사후검증을 통하여 모형의 적정성과 특징을 살펴보았다.
본 연구에서 발견된 결과를 요약하면 포트폴리오 95% VaR 측정의 경우 포트폴리오의 VaR모형의 대부분이 과다손실횟수와 기대횟수가 유의한 차이는 없으나 포과거 50일의 자료를 모형에 사용한 경우 과다손실의 실제횟수가 측정 VaR를 초과하는 기대횟수보다 다소 높게 나타나고 있어 과소추정의 가능성이 있음을 발견 할 수 있었다.
99% VaR 측정의 사후검증기간 포트폴리오에 대한 검증결과에 의하면 RM(0.94), RM(0.96)모형이 조건부 커버리지 검증을 통과하는 것으로 나타나 99% VaR 측정의 경우 RM모형 중 가 0.94와 0.96인 모형을 사용한 경우 우수한 모형으로 나타났다.
99% VaR 측정시 RM모형을 제외한 검증 모형에서 과다손실의 실제횟수가 측정 VaR를 초과하고 있어 시장위험을 과소추정할 수 있음을 발견하였다. 또한 동일한 포트폴리오의 95% VaR 측정에 대한 검증결과와 비교해 보면 99% VaR의 경우 과소추정으로 인한 무조건부 커버리지 검증을 통과하지 못하는 경우가 현저하게 나타나고 있어 포트폴리오 수익률의 분포가 정규분포가 아닌 꼬리가 두터운 분포를 보이고 있음을 나타낸다. 그러므로 RM(0.94), RM(0.96) 모형을 사용하여 VaR를 추정할 경우 꼬리부분 분포의 추정에 바람직한 모형으로 보여진다.
향후 과제로는 본 연구에서 처럼 95% 신뢰수준의 VaR와 99% 신뢰수준의 VaR의 측정치에 대한 결과가 다르게 나오고 있어 꼬리분포 추정에 우수한 모형을 판단하는 것이 중요한 과제이다. 따라서 상대적으로 꼬리부분 분포의 추정에 바람직한 모형으로 보여진 GARCH모형과 시뮬레이션 모형을 도입하여 정교한 모형설정과 검증과정이 필요하다 하다. 또한 본 연구에서는 검증방법으로 범위예측의 우도비 검정으로 무조건부 커버리지 검정에 한정하고 있으나 보다 정교한 검증방법을 통하여 과다손실의 상호독립성을 판단하는 독립성 검정과 무조건부 커버리지 검정과 독립성 검정 이 두가지를 결합하여 판단하는 조건부 커버리지 검정을 통해 VaR측정의 적정성을 검증한 성과비교가 이루어져야 할 것이다.
본 연구에서는 2000년 1월부터 2009년 12월까지로 총 2,457일의 KOSPI200지수의 수익률을 사용하여 다양한 방법을 이용한 VaR측정 모형의 적정성을 비교 분석하였다. VaR 측정치를 가지고 표본외 기간에 대한 범위예측의 무조건부 커버리지 사후검증 방식을 이용하여 어떤 모형이 각 포트폴리오의 VaR측정에 적합한지를 평가하였다. 각 포트폴리오에 대한 VaR측정은 목표기간은 1일이고 95%와 99%의 신뢰수준에서 VaR를 계산하고 각각에 대한 사후검증을 통하여 모형의 적정성과 특징을 살펴보았다.
본 연구에서 발견된 결과를 요약하면 포트폴리오 95% VaR 측정의 경우 포트폴리오의 VaR모형의 대부분이 과다손실횟수와 기대횟수가 유의한 차이는 없으나 포과거 50일의 자료를 모형에 사용한 경우 과다손실의 실제횟수가 측정 VaR를 초과하는 기대횟수보다 다소 높게 나타나고 있어 과소추정의 가능성이 있음을 발견 할 수 있었다.
99% VaR 측정의 사후검증기간 포트폴리오에 대한 검증결과에 의하면 RM(0.94), RM(0.96)모형이 조건부 커버리지 검증을 통과하는 것으로 나타나 99% VaR 측정의 경우 RM모형 중 가 0.94와 0.96인 모형을 사용한 경우 우수한 모형으로 나타났다.
99% VaR 측정시 RM모형을 제외한 검증 모형에서 과다손실의 실제횟수가 측정 VaR를 초과하고 있어 시장위험을 과소추정할 수 있음을 발견하였다. 또한 동일한 포트폴리오의 95% VaR 측정에 대한 검증결과와 비교해 보면 99% VaR의 경우 과소추정으로 인한 무조건부 커버리지 검증을 통과하지 못하는 경우가 현저하게 나타나고 있어 포트폴리오 수익률의 분포가 정규분포가 아닌 꼬리가 두터운 분포를 보이고 있음을 나타낸다. 그러므로 RM(0.94), RM(0.96) 모형을 사용하여 VaR를 추정할 경우 꼬리부분 분포의 추정에 바람직한 모형으로 보여진다.
향후 과제로는 본 연구에서 처럼 95% 신뢰수준의 VaR와 99% 신뢰수준의 VaR의 측정치에 대한 결과가 다르게 나오고 있어 꼬리분포 추정에 우수한 모형을 판단하는 것이 중요한 과제이다. 따라서 상대적으로 꼬리부분 분포의 추정에 바람직한 모형으로 보여진 GARCH모형과 시뮬레이션 모형을 도입하여 정교한 모형설정과 검증과정이 필요하다 하다. 또한 본 연구에서는 검증방법으로 범위예측의 우도비 검정으로 무조건부 커버리지 검정에 한정하고 있으나 보다 정교한 검증방법을 통하여 과다손실의 상호독립성을 판단하는 독립성 검정과 무조건부 커버리지 검정과 독립성 검정 이 두가지를 결합하여 판단하는 조건부 커버리지 검정을 통해 VaR측정의 적정성을 검증한 성과비교가 이루어져야 할 것이다.
This study undertakes stocks portfolio in VaR model selection, for KOSPI200 index at the 95% and 99% levels. Two models are compared using daily returns from January 2000 to December 2009; Six models are simple moving average model(SMA:50, SMA:125, SMA:250), RiskMetrics model(RM:0.94, RM:0.96, RM:0....
This study undertakes stocks portfolio in VaR model selection, for KOSPI200 index at the 95% and 99% levels. Two models are compared using daily returns from January 2000 to December 2009; Six models are simple moving average model(SMA:50, SMA:125, SMA:250), RiskMetrics model(RM:0.94, RM:0.96, RM:0.99). In order to choose appropriate models in stocks portfolio among the various methods, backsetting criteria(unconditional coverage) are used to test the statistical accuracy of models.
Empirical results are as follows. At the case of 95% level, the performance of SMA models using historical data as 50, 125, 250 days, RM model using as 0.94, 0.96, 0.99 models show better performance in the KOSPI200 portfolio. At the case of 99% level, the performance of RM models using as 0.94, 0.96 in the KOSPI200 portfolio are better than that of other models in the insurance stocks portfolio.
This study undertakes stocks portfolio in VaR model selection, for KOSPI200 index at the 95% and 99% levels. Two models are compared using daily returns from January 2000 to December 2009; Six models are simple moving average model(SMA:50, SMA:125, SMA:250), RiskMetrics model(RM:0.94, RM:0.96, RM:0.99). In order to choose appropriate models in stocks portfolio among the various methods, backsetting criteria(unconditional coverage) are used to test the statistical accuracy of models.
Empirical results are as follows. At the case of 95% level, the performance of SMA models using historical data as 50, 125, 250 days, RM model using as 0.94, 0.96, 0.99 models show better performance in the KOSPI200 portfolio. At the case of 99% level, the performance of RM models using as 0.94, 0.96 in the KOSPI200 portfolio are better than that of other models in the insurance stocks portfolio.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.