Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12104/92761
Título: | A conditional heteroscedastic VaR approach with alternative distributions Un enfoque del VaR heterocedástico condicional con distribuciones alternativas |
Palabras clave: | VaR, garch, Stable distribution, Generalized Skew t distribution, Normal;VaR, garch, distribución estable, distribución t-student sesgada |
Editorial: | Universidad de Guadalajara |
Descripción: | Objective: The purpose of this paper is to explored different distributions in conditional Value at Risk (VaR) modeling as an option in the Mexican market.
Methodology: We estimate a GARCH model under the Gaussian, Normal Inverse Gaussian, Skew Generalized t and the Stable distribution assumption, then we implement the model in predicting one-day ahead VaR and finally we examine the performance among the four VaR models during a period of high volatility.
Results: The backtesting result confirms that the stable-VaR approach outperforms the other models in the VaR’s prediction at 99% confidence level.
Limitations: Although the VaR is a widely used risk measure is not a coherent risk measure, for this reason, a natural extension of our work should be to estimate the expected shortfall and this may produce different insights.
Conclusions: Our findings reveal that models that consider some empirical characteristic of financial returns such as leptokurtic, volatility clustering and asymmetry improve the VaR predicting capacity. This finding is important in the search of more robust approaches for VaR estimates.
Recepción: 09/08/2018
Aceptación: 31/10/2019 Objetivo: El propósito de este trabajo es explorar diferentes distribuciones en la estimación del Valor en Riesgo (VaR) como una opción en el mercado mexicano. Metodología: Estimamos un modelo GARCH bajo la hipótesis de las distribuciones Gaussiana, Normal Inversa Gaussiana, t-student Sesgada Generalizada y Estable. Implementamos este modelo para predecir los VaR a un día y finalmente examinamos el desempeño de estos cuatro modelos VaR durante una período de alta volatilidad. Resultados: El resultado del backtesting confirma que el VaR estable a un nivel de confianza del 99% supera a los otros modelos en la predicción del VaR. Limitaciones: Aunque el VaR es una medida de riesgo ampliamente utilizada, no es una medida de riesgo coherente, por esta razón, una extensión natural de nuestra investigación sería estimar el Valor en Riesgo Condicional (CVaR) lo cual podría generar diferentes resultados. Conclusiones: Nuestros hallazgos revelan que los modelos que consideran algunas características empíricas de los rendimientos financieros, tales como leptocurtosis, agrupamiento de volatilidad y asimetría, mejoran la capacidad de predicción del VaR. Lo anterior es importante en la búsqueda de enfoques más precisos y eficientes en la estimación de VaR. Recepción: 09/08/2018 Aceptación: 31/10/2019 |
URI: | https://hdl.handle.net/20.500.12104/92761 |
Otros identificadores: | https://econoquantum.cucea.udg.mx/index.php/EQ/article/view/7125 10.18381/eq.v17i2.7125 |
Aparece en las colecciones: | Revista Econoquantum |
Ficheros en este ítem:
No hay ficheros asociados a este ítem.
Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.