Measurement of common risks in tails: A panel quantile regression model for financial returns

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F21%3A00533565" target="_blank" >RIV/67985556:_____/21:00533565 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216208:11230/21:10411139

Výsledek na webu

<a href="https://www.sciencedirect.com/science/article/pii/S1386418120300318" target="_blank" >https://www.sciencedirect.com/science/article/pii/S1386418120300318</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.finmar.2020.100562" target="_blank" >10.1016/j.finmar.2020.100562</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Measurement of common risks in tails: A panel quantile regression model for financial returns

Popis výsledku v původním jazyce

We investigate how to measure common risks in the tails of return distributions using the recently proposed panel quantile regression model for financial returns. By exploring how volatility crosses all quantiles of the return distribution and using a fixed effects estimator, we can control for otherwise unobserved heterogeneity among financial assets. Direct benefits are revealed in a portfolio value-at-risk application, where our modeling strategy performs significantly better than several benchmark models. In particular, our results show that the panel quantile regression model for returns consistently outperforms all competitors in the left tail. Sound statistical performance translates directly into economic gains.

Název v anglickém jazyce

Measurement of common risks in tails: A panel quantile regression model for financial returns

Popis výsledku anglicky

We investigate how to measure common risks in the tails of return distributions using the recently proposed panel quantile regression model for financial returns. By exploring how volatility crosses all quantiles of the return distribution and using a fixed effects estimator, we can control for otherwise unobserved heterogeneity among financial assets. Direct benefits are revealed in a portfolio value-at-risk application, where our modeling strategy performs significantly better than several benchmark models. In particular, our results show that the panel quantile regression model for returns consistently outperforms all competitors in the left tail. Sound statistical performance translates directly into economic gains.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

50202 - Applied Economics, Econometrics

Projekt

<a href="/cs/project/GX19-28231X" target="_blank" >GX19-28231X: Dynamické modely pro digitální finance</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Název periodika

Journal of Financial Markets

ISSN

1386-4181

e-ISSN

1878-576X

Svazek periodika

52

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

23

Strana od-do

100562

Kód UT WoS článku

000618640300001

EID výsledku v databázi Scopus

2-s2.0-85084595565