최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.29 no.1, 2016년, pp.171 - 180
김민조 (서울대학교 통계학과) , 이상열 (서울대학교 통계학과)
Basel committee suggests using Value-at-Risk (VaR) and expected shortfall (ES) as a measurement for market risk. Various estimation methods of VaR and ES have been studied in the literature. This paper compares semi-parametric methods, such as conditional autoregressive value at risk (CAViaR) and co...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
VaR와 ES를 추정하는 방법 중 모수적 방법의 단점은? | 이 방법은 주어진 자료에 대한 모형과 오차항의 분포를 가정 한 후 모수를 추정하고 모수의 함수 형태로 표현 되는 VaR와 ES에 추정된 모수를 대입함으로써 VaR와 ES를 추정한다. 이 방법의 단점은 잘못된 모형 또는 오차항에 대한 가정이 추정의 정확도를 상당히 손상시킬 수 있다는 점이다. 특히 금융 상품의 수익률과 같이 왜도가 존재하고 분포의 꼬리 부분이 두꺼운 자료를 다룰 때에는 정규분포를 사용하는 것보다는 skew t 분포와 같이 왜도와 두꺼운 꼬리를 설명하기에 적합한 분포를 사용하는 것이 바람직하다. | |
VaR와 ES를 추정하는 방법 중 비모수적 방법의 단점은? | 예를 들어, 금융 상품 수익률에 대한 VaR와 ES를 추정한다고 할 때, 모형 또는 분포 대한 어떠한 가정도 없이 일정 기간 동안 관측된 그 금융 상품의 수익률들의 경험적 분위수로 VaR를 추정하고, 한편 ES는 추정된 VaR 이상의 손실이 발생한 수익률들의 평균으로 추정한다. 비모수적 방법의 단점은 표본의 크기를 정하는 문제가 난해하다는 점인데 과도하게 작은 표본 크기는 표본 오차를 크게하고 필요 이상의 큰 표본은 분포 변화에 빠른 대응을 어렵게 만든다는 것이다. 또한, 실측 자료 분석에서 비모수적 방법의 예측 정확도가 우수하지 않음도 Taylor (2008)을 통해 확인할 수 있다. 둘째, 준모수적 방법. | |
시장 위험을 측정하는 방법에 주로 어떤 방법을 이용하는가? | 따라서, 이러한 금융 위기에 대한 사전 대비는 반드시 필요하며, 특히 금융 상품의 가격 상승 또는 하락에 의해서 발생하는 위험, 즉 시장 위험을 전반적으로 관리하는 것은 매우 중요한 문제라고 할 수 있다. 통상적으로 시장 위험을 측정하는 방법은 주로 VaR(Value-at-risk)와 ES(Expected Shortfall)이 이용되고 있으며 본 논문에서도 이에 대한 준모수적 방법론을 다룰 것이다. VaR와 ES를 추정하는 방법은 크게 세 가지로 분류된다 (Manganelli와 Engle, 2004). |
Christoffersen, P. (1998). Evaluating interval forecasts, International Economic Review, 39, 841-862.
Efron, B. and Tibshirani, R. (1993). An Introduction to the Bootstrap, Chapman and Hall, New York.
Francq, C. and Zakoian, J.-M. (2004). Maximum likelihood estimation of pure GARCH and ARMA-GARCH processes, Bernoulli, 10, 605-637.
Engle, R. F. and Manganelli, S. (2004). CAViaR: conditional autoregressive value at risk by regression quantiles, Journal of Business & Economic Statistics, 22, 367-381.
Koenker, R. and Bassett, G. (1978). Regression Quantiles, Econometrica, 46, 33-50.
Kim, M. and Lee, S. (2016). Nonlinear expectile regression with application to value-at-risk and expected shortfall estimation, Computational Statistics & Data Analysis, 94, 1-19.
Manganelli, S. and Engle, R. F. (2004). A Comparison of Value-at-Risk Models in Finance, In G. Szego(ed.), Risk Measures for the 21st Century, Chichester, Wiley, UK.
McNeil, A. J. and Frey, R. (2000). Estimation of tail-related risk measures for heteroscedastic financial time series: an extreme value approach, Journal of Empirical Finance, 7, 271-300.
Newey, W. K. and Powell, J. L. (1987). Asymmetric least squares estimation and testing, Econometrica, 55, 819-847.
Taylor, J. W. (2008). Estimating value at risk and expected shortfall using expectiles, Journal of Financial Econometrics, 6, 231-252.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.