Market risk backtesting via Lévy models and parameter estimation
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F10%3A10225492" target="_blank" >RIV/61989100:27510/10:10225492 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Market risk backtesting via Lévy models and parameter estimation
Popis výsledku v původním jazyce
It is very important that each risk model is validated, ie. it is verified whether it describes the risk on a given probability level sufficiently or not. One of the most popular methods is the backtesting, ie. utilizing of the past market data. In thispaper, we focus on market risk modeling via subordinated Lévy models joined by ordinary elliptical copula functions. Selected combinations of models (geometric Brownian motion, variance gamma model, normal inverse Gaussian model for marginal distributionand Gaussian and Student copula functions for joint distribution) are assumed in order to verify the backtesting power of several combinations of normalized data as a basis for parameter estimation. It is documented that while the (linear) dependency structure is of a short memory, in order to estimate the higher moments (skewness and kurtosis) of the underlying distribution well, longer time series is required.
Název v anglickém jazyce
Market risk backtesting via Lévy models and parameter estimation
Popis výsledku anglicky
It is very important that each risk model is validated, ie. it is verified whether it describes the risk on a given probability level sufficiently or not. One of the most popular methods is the backtesting, ie. utilizing of the past market data. In thispaper, we focus on market risk modeling via subordinated Lévy models joined by ordinary elliptical copula functions. Selected combinations of models (geometric Brownian motion, variance gamma model, normal inverse Gaussian model for marginal distributionand Gaussian and Student copula functions for joint distribution) are assumed in order to verify the backtesting power of several combinations of normalized data as a basis for parameter estimation. It is documented that while the (linear) dependency structure is of a short memory, in order to estimate the higher moments (skewness and kurtosis) of the underlying distribution well, longer time series is required.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
AH - Ekonomie
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA402%2F08%2F1237" target="_blank" >GA402/08/1237: Aplikace komplexních Lévyho procesů při modelování vývoje cen finančních aktiv</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2010
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Mathematical Methods in Economics 2010
ISBN
978-80-7394-218-2
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
—
Název nakladatele
University of South Bohemia
Místo vydání
České Budějovice
Místo konání akce
České Budějovice
Datum konání akce
8. 9. 2010
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000287979900107