2018
Modelování závislostí ve finančním managementu
JEŘÁBEK, TomášZákladní údaje
Originální název
Modelování závislostí ve finančním managementu
Název česky
Modelování závislostí ve finančním managementu
Název anglicky
Modeling Dependencies in Financial Management
Autoři
JEŘÁBEK, Tomáš (203 Česká republika, garant, domácí)
Vydání
Acta Sting, Brno, Akademie Sting, 2018, 1805-1391
Další údaje
Jazyk
čeština
Typ výsledku
Článek v odborném periodiku
Obor
50200 5.2 Economics and Business
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Kód RIV
RIV/04274644:_____/18:#0000352
Organizační jednotka
Vysoká škola finanční a správní
Klíčová slova česky
Portfolio; Value at Risk (VaR); kopule; GARCH; zpětné testování
Klíčová slova anglicky
Portfolio; Value at Risk (VaR); copula; GARCH; backtesting
Štítky
Příznaky
Recenzováno
Změněno: 14. 3. 2019 10:09, Ing. Dominika Moravcová
V originále
Odhad přesné hodnoty rizika investičního portfolia má zásadní význam v kontextu řízení tržních rizik. V rámci řízení portfolií je velmi důležité správné pochopení struktury závislostí mezi aktivy obsaženými v portfoliu. Modelování závislostí mezi akciovými výnosy je komplexním úkolem, a to především, když výsledná rozdělení portfoliových výnosů nejsou gaussovská neboli normální. V těchto případech se jako jeden z možných nástrojů pro popis závislostí jeví kopule. Cílem tohoto článku je nejprve zkoumat vliv různých kopul na přesnost VaR odhadů a následně nalézt model vhodný při aplikaci na akciové portfolio. Celkově docházíme k závěru, že, že přístupy založené na AR-GJR-GARCH modelu s aplikací symetrické Studentovy a Normální kopule a dále s aplikací asymetrické Claytonovy a symetrické Frankovy kopule překonávají tradiční historickou simulaci a varianční-kovarianční metodu pro odhad VaR.
Anglicky
Estimation of the accurate value of the investment portfolio risk is essential in the context of market risk management. In portfolio management, it is very important to understand the structure of dependencies between assets in the portfolio. Modeling dependencies between stock returns is a complex task, especially when the resulting portfolio allocation is not Gaussian or normal. The copula appears as one of the possible tools for describing dependencies in these cases. The aim of this article is to first examine the impact of the different dots on the accuracy of VaR estimates and subsequently to find a model suitable for application to the stock portfolio. Overall, we conclude that AR-GJR-GARCH based approaches with the application of the symmetrical Student and Normal copulas and the application of the asymmetric Clayton and symmetric Frank copulas overcome the traditional historical simulation and the variance-covariance method.