دانلود با لینک مستقیم و پر سرعت .
Received 25 July 2013
Revised 2 October 2013
Accepted 13 October 2013
Multiple-period market risk
prediction under long memory:
when VaR is higher than expected
Harald Kinateder and Niklas Wagner
Business Administration and Economics,
University of Passau, Passau, Germany
Abstract
Purpose – The paper aims to model multiple-period market risk forecasts under long memory
persistence in market volatility.
Design/methodology/approach – The paper proposes volatility forecasts based on a combination
of the GARCH(1,1)-model with potentially fat-tailed and skewed innovations and a long memory
specification of the slowly declining influence of past volatility shocks. As the square-root-of-time
rule is known to be mis-specified, the GARCH setting of Drost and Nijman is used as benchmark
model. The empirical study of equity market risk is based on daily returns during the period
January 1975 to December 2010. The out-of-sample accuracy of VaR predictions is studied for 5, 10, 20
and 60 trading days.
Findings – The long memory scaling approach remarkably improves VaR forecasts for the longer
horizons. This result is only in part due to higher predicted risk levels. Ex post calibration to equal
unconditional VaR levels illustrates that the approach also enhances efficiency in allocating VaR
capital through time.
Practical implications – The improved VaR forecasts show that one should account for long
memory when calibrating risk models.
Originality/value – The paper models single-period returns rather than choosing the simpler
approach of modeling lower-frequency multiple-period returns for long-run volatility forecasting. The
approach considers long memory in volatility and has two main advantages: it yields a consistent set
of volatility predictions for various horizons and VaR forecasting accuracy is improved.
Keywords GARCH, Hurst exponent, Long memory, Multiple-period value-at-risk,
Square-root-of-time rule, Volatility scaling
Paper type Research paper
عنوان فارسی مقاله
پیش بینی ریسک بازار چند سری زمانی تحت حافظه بلندمدت
هنگامی که ارزش در معرض خطر VAR)(بالاتر از حد انتظار است
چکیده
هدف - هدف از ارائه این مقاله برای مدل کردن پیش بینی های ریسک بازار چند سری، تحت پایداری حافظه بلند مدت در نوسانات بازار می باشد.
طراحی - روش شناسی – رویکرد
در این مقاله پیش بینی نوسانات ریسک بازار بر اساس ترکیبی از مدل-(گارچ GARCH 1،1) با نوآوری های به طور بالقوه دمب چاق(دامنه) و نامتوازن و مشخصات حافظه بلند مدت از نفوذ کم کم رو به کاهش شوک های نوسانات گذشته،پیشنهاد می شود، و به عنوان قاعده ریشه توان دوم سری زمانی که به اشتباه مشخص شده، شناخته شده می باشد.تهیه و تنظیم مدل گارچ توسط Drost و Nijman به عنوان مدل معیار مورد استفاده قرارمی گیرد. در این مطالعه تجربی ، ریسک بازار سهام مبتنی بر بازده داده های روزانه طی سری زمانی ژانویه 1975 تا دسامبر 2010می باشد. نمونه خارج از دقت و صحت از پیش بینی های VAR برای معاملات 5، 10، 20 و 60 روزه ، مورد مطالعه قرار می گیرد.
تعداد صفحات مقاله انگلیسی=29
تعداد صفحات مقاله فارسی=51
فایل ترجمه شده در فایل وورد WORDمی باشد
قیمت فایل =20000 تومان
