Show simple item record

dc.creatorGamba-Santamaría, Santiago
dc.creatorJaulín-Méndez, Oscar Fernando
dc.creatorMelo-Velandia, Luis Fernando
dc.creatorQuicazán-Moreno, Carlos Andrés
dc.date.created2016-01-01
dc.date.issued2016-01
dc.identifier.urihttps://repositorio.banrep.gov.co/handle/20.500.12134/6972
dc.descriptionEl Valor en Riesgo (VaR) es una medida de riesgo de mercado ampliamente usada por administradores de riesgo y autoridades regulatorias. Sin embargo, a pesar de que existe una gran variedad de metodologías propuestas en la literatura para la estimación del VaR, pocas de ellas dicen algo acerca de su distribución o sus intervalos de confianza. Este artículo compara distintas metodologías para calcular esos intervalos. Se utilizaron métodos basados en normalidad asintótica, teoría del valor extremo y bootstrap de submuestra. Usando simulaciones de Monte Carlo, se encontró que estas aproximaciones son válidas sólo para cuantiles altos. Particularmente, en términos de porcentaje de cobertura, estas metodologías presentan un buen desempeño para el VaR (99%) y un bajo desempeño para el VaR (95%) y el VaR (90%). En general, estos resultados se confirman a través de un ejercicio empírico aplicado a los bonos de deuda pública colombiana.
dc.description.abstractValue at Risk (VaR) is a market risk measure widely used by risk managers and market regulatory authorities. There is a variety of methodologies proposed in the literature for the estimation of VaR. However, few of them get to say something about its distribution or its confidence intervals. This paper compares different methodologies for computing such intervals. Several methods, based on asymptotic normality, extreme value theory and subsample bootstrap, are implemented. Using Monte Carlo simulations, it is found that these approaches are only valid for high quantiles. Particularly, there is a good performance at VaR (99%), in terms of coverage rates, and bad performance for VaR (95%) and VaR (90%). In general, these results are confirmed by conducting an empirical exercise using Colombian public debt bonds.
dc.format.extent18 páginas : gráficas, tablas
dc.format.mimetypePDF
dc.language.isospa
dc.publisherBanco de la República de Colombia
dc.relation.ispartofDocumentos de Trabajo
dc.relation.ispartofseriesTemas de Estabilidad Financiera
dc.relation.isversionofTemas de Estabilidad Financiera ; No. 83
dc.rights.accessRightsOpen Access
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectValor en riesgo
dc.subjectIntervalos de confianza
dc.subjectData tilting
dc.subjectBootstrap de submuestra
dc.titleComparación de métodos para la estimación de la incertidumbre del valor en riesgo
dc.typeWorking Paper
dc.subject.jelC51 - Model Construction and Estimation
dc.subject.jelC52 - Model Evaluation, Validation, and Selection
dc.subject.jelC53 - Forecasting and Prediction Methods; Simulation Methods
dc.subject.jelG32 - Financing Policy; Financial Risk and Risk Management; Capital and Ownership Structure; Value of Firms; Goodwill
dc.audiencePolicymakers
dc.audienceResearchers
dc.audienceStudents
dc.audienceTeachers
dc.subject.keywordValue at risk
dc.subject.keywordConfidence intervals
dc.subject.keywordData tilting
dc.subject.keywordSubsample bootstrap
dc.subject.lembRiesgo (Economía) -- Mediciones -- Metodología
dc.subject.lembModelos VAR
dc.subject.lembRiesgo (Economía) -- Mediciones -- Metodología -- Estudios comparados
dc.type.spaDocumentos de trabajo
dc.rights.spaAcceso abierto
dc.rights.ccAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0
dc.subject.jelspaC51 - Construcción de modelos y estimación
dc.subject.jelspaC52 - Evaluación, contraste y selección de modelos
dc.subject.jelspaC53 - Métodos de pronóstico y predicción; métodos de simulación
dc.subject.jelspaG32 - Política de financiación; riesgo financiero y gestión de riesgos; Estructura del capital y de la propiedad; Valor de empresa; fondo de comercio
dc.type.hasversionPublished Version
dc.coverage.sucursalBogotá
dc.source.bibliographicCitationFRANCQ, C., Y J.-M. ZAKOÏAN (2015): “Risk-parameter estimation in volatility models,” Journal of Econometrics, 184(1), 158–173.
dc.source.bibliographicCitationGAO, F., Y F. SONG (2008): “Estimation risk in GARCH VaR and ES estimates,” Econometric Theory, 24(5), 1404–1424.
dc.source.bibliographicCitationHALL, A., Y Q. YAO (2003): “Data tilting for time series,” Journal of the Royal Statistical Society: Series B, 65(2), 425–442.
dc.relation.doihttps://doi.org/10.32468/tef.83
dc.rights.disclaimerLas opiniones contenidas en el presente documento son responsabilidad exclusiva de los autores y no comprometen al Banco de la República ni a su Junta Directiva.
dc.rights.disclaimerThe opinions contained in this document are the sole responsibility of the author and do not commit Banco de la República or its Board of Directors.
dc.relation.repechttps://ideas.repec.org/p/bdr/temest/83.html
dc.identifier.handlehttps://hdl.handle.net/20.500.12134/6972
dc.creator.firmaLuis Fernando Melo-Velandia
dc.source.handleRepecRePEc:bdr:temest:83


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

This work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit