Аннотация.

В статье на основе систематизации трудов российских и зарубежных авторов обобщается накопленный опыт по методам расчета величины Value at Risk (VaR) с учетом современных тенденций. Выполнена классификация методов и анализ их сравнительной точности. В целом, традиционные методы (дельта-нормальный метод, метод исторического моделирования, метод Монте-Карло) дают менее точные оценки величины VaR в сравнении с методами, разработанными позднее. Среди современных методов в числе наиболее точных следует отметить: параметрические методы, основанные на асимметричных моделях обобщенной авторегрессионной условной гетероскедастичности, а также применяющие распределения, отличные от нормального к ошибкам в GARCH моделях, метод Халла–Вайта, метод фильтрированного исторического моделирования, метод экстремальных значений, некоторые спецификации метода CAViaR. При этом в наибольшем количестве рассмотренных статей метод GARCH-EVT, объединяющий модель обобщенной авторегрессионной условной гетероскедастичности и теорию экстремальных значений, отмечен как самый точный.

Ключевые слова:

квантиль функции распределения, Value at Risk, методы расчета, методы верификации оценок.

Стр. 51-62. 

DOI: 10.14357/20790279180305

Полная версия статьи в формате pdf. 

Литература

1. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов: Теория и практика: Учебное пособие. М.: Поли Принт Сервис, 2015. 1300 с.
2. Дробыш И.И. Сравнительный анализ методов оценки рыночного риска, основанных на величине Value at Risk // Экономика и математические методы. 2016. № 4. С. 74–93.
3. Меньшиков И.С., Шелагин Д.А. Рыночные риски: модели и методы. М.: Вычислительный центр РАН, 2000. 55 с.
4. Sener E., Baronyan S., Menguturk L. Ranking the predictive performances of value-at-risk estimation methods. // International Journal of Forecasting. 2012. Vol. 28. P. 849–873.
5. Abad P., Benito S. A detailed comparison of value at risk in international stock exchanges. //Mathematics and Computers in Simulation. 2013. Vol. 94. P. 258–276.
6. Bali T., Theodossiou P. A conditional-SGT-VaR approach with alternative GARCH models. // Annals of Operations Research. 2007. Vol. 151. P. 241–267.
7. McNeil A., Frey R. Estimation of tail-related risk measures for heteroscedastic financial time series: an extreme value approach. // Journal of Empirical Finance. 2000. No. 7. P. 271–300.
8. Abad P., Benito S., Lopez C. A comprehensive review of value at Risk methodologies. // The Spanish Review of Financial Economics. 2014. Vol. 12. P. 15–32.
9. Engle R.F. Autoregressive conditional heteroscedasticity with estimates of the variance of UK inflation. // Econometrica. 1982. Vol. 50. P. 987–1008.
10. Bollerslev T. Generalized autoregressive conditional heteroscedasticity. // Journal of Econometrics. 1986. Vol. 21. P. 307–327.
11. Danielsson J., de Vries C. Value-at-risk and extreme returns. // Annales d’Economie et de Statistique. 2000. Vol. 60. P. 239–270.
12. Guermat C., Harris R. Forecasting value-at-risk allowing for time variation in the variance and kurtosis of portfolio returns. // International Journal of Forecasting. 2002. Vol. 18. P. 409–419.
13. Níguez T. Volatility and VaR forecasting in the madrid stock exchange. // Instituto Spanish Economic Review. 2008. Vol. 10 (3). P. 169–196.
14. Beder T. Report card on value at risk: high potential but slow starter. // Bank Accounting & Finance. 1996. Vol. 10. P. 14–25.
15. Boudoukh J., Richardson M., Whitelaw R. A Hybrid Approach to Calculating Value at Risk. // The Best of Both Worlds. 1998. Vol. 11 (May). P. 64–67.
16. Bao Y., Lee T., Saltoglu B. Evaluating predictive performance of value-at-risk models in emerging markets: a reality check. // Journal of Forecasting. 2006. Vol. 25. P. 101–128.
17. Tolikas K., Koulakiotis A., Brown R. Extreme risk and value-at-risk in the German stock market. // European Journal of Finance. 2007. Vol. 13. P. 373–395.
18. Hull J., White A. Incorporating volatility updating into the historical simulation method for value-atrisk. // Journal of Risk. 1998. Vol. 1. P. 5–19.
19. Barone-Adesi G., Giannopoulos K., Vosper L. VaR without correlations for nonlinear portfolios. // Journal of Futures Markets. 1999. Vol. 19. P. 583–602.
20. Engle R., Manganelli S. CAViaR: conditional autoregressive value at risk by regression quantiles. // Journal of Business & Economic Statistics. 2004. Vol. 22. P. 367–381.
21. Angelidis T., Benos A., Degiannakis S. A robust VaR model under different time periods and weighting schemes. // Review of Quantitative Finance and Accounting. 2007. Vol. 28. P. 187–201.
22. Byström H. Managing extreme risks in tranquil and volatile markets using conditional extreme value theory. // International Review of Financial Analysis. 2004. Vol. 13. P. 133–152.
23. Genςay R., Selςuk F. Extreme value theory and value-at-risk: Relative performance in emerging markets. // International Journal of Forecasting. 2004. Vol. 20. P. 287–303.
24. Bekiros S., Georgoutsos D. Estimation of value at risk by extreme value and conventional methods: a comparative evaluation of their predictive performance. // Journal of International Financial Markets, Institutions & Money. 2005. Vol. 15 (3).P. 209–228.
25. Fernandez V. Risk management under extreme events. // International Review of Financial Analysis. 2005. Vol. 14. P. 113–148.
26. Kuester K., Mittnik S., Paolella M. Value-at-risk prediction: a comparison of alternative strategies. // Journal of Financial Econometrics. 2006. Vol. 4. P. 53–89.
27. Marimoutou V., Raggad B., Trabelsi A. Extreme value theory and value at risk: application to oil market. // Energy Economics. 2009. Vol. 31. P. 519–530.
28. Zikovic S., Aktan B. Global financial crisis and VaR performance in emerging markets: a case of EU candidate states – Turkey and Croatia. Proceedings of Rijeka faculty of economics. // Journal of Economics and Business. 2009. Vol. 27. P. 149–170.
29. Xu D., Wirjanto T. An empirical characteristic function approach to VaR under a mixture-of-normal distribution with time-varying volatility. // Journal of Derivates. 2010. Vol. 18. P. 39–58.
30. Nozari M., Raei S., Jahanguin P., Bahramgiri M. A comparison of heavy-tailed estimates and filtered historical simulation: evidence from emerging markets. // International Review of Business Papers. 2010. Vol. 6. No. 4. P. 347–359.
31. Gerlach R., Chen C., Chan N. Bayesian time-varying quantile forecasting for value-at-risk in financial markets. // Journal of Business & Economic Statistics. 2011. Vol. 29. P. 481–492.