Spelling suggestions: "subject:"apibendrinti hiperboliniais skirstinio"" "subject:"apibendrinti hiperboliniais skirstinių""
1 |
Portfelio rizikuojamosios vertės nustatymas taikant daugiamačius sąlyginio heteroskedastiškumo modelius / Portfolio value-at-risk estimation using multivariate garch modelsMikolajun, Irena 08 September 2009 (has links)
Darbe nagrinėjamas akcijų portfelio rizikuojamosios vertės nustatymas dispersijos-kovariacijos metodu taikant daugiamačius sąlyginio heteroskedastiškumo modelius. Naudojant Baltijos šalių akcijų rinkos duomenis yra įvertinami du daugiamačiai sąlyginio heteroskedastiškumo modeliai – DCC ir O-GARCH. Remiantis šių modelių rezultatais, apskaičiuojamos portfelių, sudarytų iš dešimties Baltijos šalių bendrovių akcijų, rizikuojamosios vertės, taikant dispersijos-kovariacijos metodą. Siekiant gauti tikslesnius rizikuojamosios vertės įverčius, dispersijos-kovariacijos metodas yra modifikuojamas, vietoje standartinio normaliojo atsitiktinio dydžio kvantilio imant skirstinių iš apibendrintų hiperbolinių skirstinių šeimos kvantilius. Parodoma, jog apibendrintų hiperbolinių skirstinių šeimos taikymas žymiai pagerina rizikuojamosios vertės vertinimo tikslumą. Todėl siūloma apibendrintų hiperbolinių skirstinių šeimą taikyti praktikoje vietoje normaliojo skirstinio. / The thesis examines the variance-covariance approach to the estimation of portfolio Value-at-Risk using multivariate GARCH models. Two multivariate GARCH models, DCC and O-GARCH, are estimated using Baltic stock market data. Based on the results of these models, Value-at-Risk of randomly generated portfolios is calculated using the variance-covariance approach. This approach was improved by taking quantiles of generalized hyperbolic distributions instead of standard normal ones. The analysis suggests that the use of generalized hyperbolic distribution considerably improves the accuracy of Value-at-Risk estimates. Therefore, it is proposed to use the family of generalized hyperbolic distributions in practice.
|
Page generated in 0.0998 seconds