Since 2014
Computing Conditional VaR using Time-varying CopulasComputing Conditional VaR using Time-varying Copulas
Brazilian Review of Finance
View Archive Info| Field | Value | |
| Title |
Computing Conditional VaR using Time-varying CopulasComputing Conditional VaR using Time-varying Copulas
Calculando VaR Condicionais Usando Cópulas que Variam no Tempo |
|
| Creator |
Mendes, Beatriz Vaz de Melo; IM/UFRJ
|
|
| Subject |
Statistics; Business
conditional copulas; FIGARCH models; conditional value-at-risk C32; C50 Estatística; Administração Financeira cópulas condicionais; modelos FIGARCH; valor em risco condicional C32; C50 |
|
| Description |
It is now widespread the use of Value-at-Risk (VaR) as a canonical measure at risk. Most accurate VaR measures make use of some volatility model such as GARCH-type models. However, the pattern of volatility dynamic of a portfolio follows from the (univariate) behavior of the risk assets, as well as from the type and strength of the associations among them. Moreover, the dependence structure among the components may change conditionally t past observations. Some papers have attempted to model this characteristic by assuming a multivariate GARCH model, or by considering the conditional correlation coefficient, or by incorporating some possibility for switches in regimes. In this paper we address this problem using time-varying copulas. Our modeling strategy allows for the margins to follow some FIGARCH type model while the copula dependence structure changes over time.
O Valor-em-Risco (VaR) é hoje certamente a medida mais utilizada na mensuração do risco. As estimativas mais acuradas do VaR são aquelas baseadas em modelos de volatilidade tais como os modelos da família GARCH. Contudo, o padrão da dinâmica da volatilidade de uma carteira de investimentos depende não só do comportamento marginal dos ativos componentes, mas também do tipo e grau da associação entre os mesmos. Mais ainda, a estrutura de dependência entre esses componentes pode mudar com o tempo, condicionalmente às observações conjuntas passadas. Alguns artigos já a consideraram este tópico tratando-o através de uma modelagem GARCH multivariada, ou considerando o coeficiente de correlação condicional, ou incorporando a possibilidade de mudanças de regime. Neste artigo tratamos este problema usando cópulas com parâmetros variando no tempo. Nossa estratégia de modelagem inclui a modelagem univariada através dos modelos FIGARCH, enquanto que a estrutura de dependência é modelada por uma cópula condicional aos valores passados. |
|
| Publisher |
Link to the Brazilian Society of Finance
|
|
| Contributor |
CNPq
CNPq |
|
| Date |
2005-12-01
|
|
| Type |
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion Double blind reviewed articles empirical Avaliado por Pares empírico |
|
| Format |
application/pdf
application/pdf |
|
| Identifier |
http://bibliotecadigital.fgv.br/ojs/index.php/rbfin/article/view/1152
|
|
| Source |
Brazilian Review of Finance; Vol 3, No 2 (2005); pp. 251-265
Revista Brasileira de Finanças; Vol 3, No 2 (2005); pp. 251-265 1984-5146 1679-0731 |
|
| Language |
eng
por |
|
| Relation |
http://bibliotecadigital.fgv.br/ojs/index.php/rbfin/article/view/1152/243
http://bibliotecadigital.fgv.br/ojs/index.php/rbfin/article/view/1152/374 |
|