Historical Data in the Context of Risk Prediction

Authors

  • Grzegorz Mentel Faculty of Management, Rzeszow University of Technology, Al. Powstancow Warszawy 8, 35-959 Rzeszow

DOI:

https://doi.org/10.18533/ijbsr.v4i1.364

Keywords:

value-at-risk, modeling, risk, prediction, historical data

Abstract

An important element of a successful prediction of the future behavior of financial instruments is a thorough analysis of possible determinants that effect the final estimates of the prognostic models. In the case of VaR models, we may include here specified values of significance levels or assumed smoothing constant. Also, an important element is the number of historical observations that should be taken into account in order to estimate the scale of the risk. In the article, therefore, a study of the effectiveness of certain value-at-risk models in the context of historical data had been carried out. Thus, an attempt to assess the impact of the amount of historical data on the effectiveness of the VaR indications had been made. 

References

Best P. (2000), Wartość narażona na ryzyko, Dom Wydawniczy ABC, Kraków.

Bollersev T. (1987), A Conditional Heteroskedastic Model for Speculative Prices and Rates of Return, Review of Economics and Statistics, 69, pp. 542-547.

Bollerslev T. (1986), Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometrics, 31, pp. 307-327.

Crowder S.V. (1987), Run-Lenght Distributions of EWMA Charts, Technometrics, 29, pp. 401-407.

Jajuga K. (2000), Metody ekonometryczne i statystyczne w analizie rynku kapitałowego, Wydawnictwo AE we Wrocławiu, Wrocław, p. 112 and further.

Jajuga K., Kuziak K., Papla D. (1999), Ryzyko wybranych instrumentów polskiego rynku finansowego – część I, Rynek Terminowy 6/99; Kraków, p. 133 and further.

Jongwoo K., Mina J. (2001), RiskGrades™ Technical Document, Second edition, New York, p. 14-15.

Lucas J.M., Saccucci M.S., Exponentially Weighted Moving Average Control Schemes: Properties and Enhancements, Technometrics, 32, pp. 1-29.

Mentel G. (2004), Effectiveness of Simulation Methods in VaR Estimation, Folia Oeconomica Stetinensia, no 2(10)2003.

Mentel G. (2011), Value-at-Risk w warunkach polskiego rynku kapitałowego, Wydawnictwo Fachowe CeDeWu, Warszawa 2011.

Mentel G. (2012), Ryzyko rynku akcji, Wydawnictwo Fachowe CeDeWu, Warszawa.

Mentel G. (2013), Parametric or Non-Parametric Estimation of Value-At-Risk, International Journal of Business and Management, Vol. 8, No. 11, Toronto.

Mina J., Yi Ciao J. (2001), Return to Risk Metrics: The Evalution of a Standard, RiskMetrics Technical Documents, Nowy Jork;

Pisula T., Mentel G. (2003), Porównanie skuteczności wybranych metod mierzenia ryzyka inwestowania w akcje, Research Papers of Wrocław University of Economics no. 988 – Taxonomy 10, Wrocław, p.502.

Pisula T., Pisula J. (2001), Jak efektywnie przewidywać ryzyko zmian kursów akcji spółek notowanych na Warszawskiej Giełdzie Papierów Wartościowych, Oficyna Wydawnicza Politechniki Rzeszowskiej, Rzeszów, p. 155 and further.

Pisula T., Pisula J. (2002), Możliwość efektywnego przewidywania ryzyka zmian kursów akcji spółek notowanych na GPW, Rynek Terminowy no. 17/3/02, pp. 114-117.

RiskMetrics Monitor (1996), Fourth Quarter, New York, pp. 3-19.

RiskMetrics Technical Document (1996), New York, p. 10 and further

Szczerbetka Z. (2002), Value At Risk jako narzędzie oceny skuteczności transakcji zabezpieczających, Rynek Terminowy no. 15/1/02.

Szostek R. (2010), Metodologia badań statystycznych, Zarządzanie i Marketing - Zeszyt Naukowy Politechniki Rzeszowskiej, Rzeszów 4/2010, z. 17, nr 272.

Taleb. N. (2007), The Black Swan: The Impact of the Highly Improbable, New York, Random Hause.

Downloads

Published

2014-01-25

Issue

Section

Article