Mostrar el registro sencillo del documento
Comparación de métodos para la estimación de la incertidumbre del valor en riesgo
dc.creator | Gamba-Santamaría, Santiago |
dc.creator | Jaulín-Méndez, Oscar Fernando |
dc.creator | Melo-Velandia, Luis Fernando |
dc.creator | Quicazán-Moreno, Carlos Andrés |
dc.date.created | 2016-01-01 |
dc.date.issued | 2016-01 |
dc.identifier.uri | https://repositorio.banrep.gov.co/handle/20.500.12134/6972 |
dc.description | El 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.abstract | Value 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.extent | 18 páginas : gráficas, tablas |
dc.format.mimetype | |
dc.language.iso | spa |
dc.publisher | Banco de la República de Colombia |
dc.relation.ispartof | Documentos de Trabajo |
dc.relation.ispartofseries | Temas de Estabilidad Financiera |
dc.relation.isversionof | Temas de Estabilidad Financiera ; No. 83 |
dc.rights.accessRights | Open Access |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/ |
dc.subject | Valor en riesgo |
dc.subject | Intervalos de confianza |
dc.subject | Data tilting |
dc.subject | Bootstrap de submuestra |
dc.title | Comparación de métodos para la estimación de la incertidumbre del valor en riesgo |
dc.type | Working Paper |
dc.subject.jel | C51 - Model Construction and Estimation |
dc.subject.jel | C52 - Model Evaluation, Validation, and Selection |
dc.subject.jel | C53 - Forecasting and Prediction Methods; Simulation Methods |
dc.subject.jel | G32 - Financing Policy; Financial Risk and Risk Management; Capital and Ownership Structure; Value of Firms; Goodwill |
dc.audience | Policymakers |
dc.audience | Researchers |
dc.audience | Students |
dc.audience | Teachers |
dc.subject.keyword | Value at risk |
dc.subject.keyword | Confidence intervals |
dc.subject.keyword | Data tilting |
dc.subject.keyword | Subsample bootstrap |
dc.subject.lemb | Riesgo (Economía) -- Mediciones -- Metodología |
dc.subject.lemb | Modelos VAR |
dc.subject.lemb | Riesgo (Economía) -- Mediciones -- Metodología -- Estudios comparados |
dc.type.spa | Documentos de trabajo |
dc.rights.spa | Acceso abierto |
dc.rights.cc | Atribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0 |
dc.subject.jelspa | C51 - Construcción de modelos y estimación |
dc.subject.jelspa | C52 - Evaluación, contraste y selección de modelos |
dc.subject.jelspa | C53 - Métodos de pronóstico y predicción; métodos de simulación |
dc.subject.jelspa | G32 - Política de financiación; riesgo financiero y gestión de riesgos; Estructura del capital y de la propiedad; Valor de empresa; fondo de comercio |
dc.type.hasversion | Published Version |
dc.coverage.sucursal | Bogotá |
dc.source.bibliographicCitation | FRANCQ, C., Y J.-M. ZAKOÏAN (2015): “Risk-parameter estimation in volatility models,” Journal of Econometrics, 184(1), 158–173. |
dc.source.bibliographicCitation | GAO, F., Y F. SONG (2008): “Estimation risk in GARCH VaR and ES estimates,” Econometric Theory, 24(5), 1404–1424. |
dc.source.bibliographicCitation | HALL, A., Y Q. YAO (2003): “Data tilting for time series,” Journal of the Royal Statistical Society: Series B, 65(2), 425–442. |
dc.relation.doi | https://doi.org/10.32468/tef.83 |
dc.rights.disclaimer | Las 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.disclaimer | The 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.repec | https://ideas.repec.org/p/bdr/temest/83.html |
dc.identifier.handle | https://hdl.handle.net/20.500.12134/6972 |
dc.creator.firma | Luis Fernando Melo-Velandia |
dc.source.handleRepec | RePEc:bdr:temest:83 |
Archivos en el documento
Este documento aparece en la(s) siguiente(s) colección(ones)
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.Este documento ha sido depositado por parte de el(los) autor(es) bajo la siguiente constancia de depósito