Market risk backtesting via Lévy models and parameter estimation

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

—

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.

Druh

D - Stať ve sborníku

CEP obor

AH - Ekonomie

OECD FORD obor

—

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

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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