Aplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanos
Application of extreme value theory and multivariate copula for VaR measurement of a currencies portfolio of Latin American countries
Barra lateral del artículo
PDF
FLIP
HTML
Contenido principal del artículo
Resumen
Se aplica la teoría del valor extremo (EVT, por sus siglas en inglés), junto al enfoque de cópulas para la estimación del valor en riesgo (VaR) y el Expected Shortfall (es) de un portafolio de cinco monedas de países latinoamericanos en base dólar (COP, PEN, BRL, MXN y CLP). Se evalúa un portafolio óptimo sin apalancamiento, uno óptimo apalancado y un portafolio con iguales ponderaciones para todas las divisas, y se comparan con medidas de riesgo tradicionales, incluido el ajuste de las colas pesadas de la distribución de los rendimientos de cada activo y la estimación de la relación de dependencia de estos mediante el ajuste de las cópulas Gaussiana, t y Clayton. Los resultados sugieren que la cópula de Clayton es la que recurrentemente mejora las estimaciones de riesgo para los portafolios propuestos, y que el ES arroja mejor desempeño según las pruebas de cobertura condicional y no condicional del modelo y según el porcentaje de fallos de cada medición.
Palabras clave:
Descargas
Detalles del artículo
Referencias (VER)
Acerbi, C. y Tasche, D. (2002). On the coherence of expected shortfall. Journal of Banking and Finance, 26(7), 1487-1503. https://doi.org/10.1016/S0378-4266(02)00283-2 DOI: https://doi.org/10.1016/S0378-4266(02)00283-2
Alba Suárez, M. A., Pineda-Ríos, W. y Deaza Chaves, J. (2019). Análisis comparativo de las metodologías de estimación semiparamétricas y vía cópulas del valor en riesgo (VaR) en el mercado accionario colombiano. Revista Mexicana de Economía y Finanzas Nueva Época, 14(2), 279-307. DOI: https://doi.org/10.21919/remef.v14i2.310
Artzner, P., Delbaen, F., Eber, J.-M. y Heath, D. (1998). Coherent measures of risk. Mathematical Finance, 9(June 1996), 1-24. DOI: https://doi.org/10.1111/1467-9965.00068
Balkema, A. A. y De Haan, L. (1974). Residual life time at great age. The Annals of Probability, 2(5), 792-804. Recuperado de http://projecteuclid.org/euclid. aop/1176996548 DOI: https://doi.org/10.1214/aop/1176996548
Bob, N. K. (2013). Value at Risk Estimation. A garch- evt-Copula Approach (Master Thesis in Mathematical) Statistics Matematiska institutionen.
Bollerslev, T. (1986). generalized autoregressive conditional heteroskedasticity while conventional time series and econometric models operate under an assumption of constant variance, the arch (Autoregressive Conditional Heteroskedastic) process introduced in Engle (1982). Journal of Econometrics, 31, 307-327. DOI: https://doi.org/10.1016/0304-4076(86)90063-1
Ceballos, A. M. (2015). Implementación de cópulas para la estimación del Valor en Riesgo. Universidad del Rosario, Facultad de Economía.
Cherubini, U., Luciano, E. y Vecchiato, W. (2004). Copula methods in Finance. John Wiley & Sons. DOI: https://doi.org/10.1002/9781118673331
Coles, S. (2001). An Introduction to Statistical Modeling of Extreme Values. Springer- Verlag London Limited. DOI: https://doi.org/10.1007/978-1-4471-3675-0
Danielsson, J., Haan, L. De, Peng, L. y De Vries, C. G. (2001). Using a bootstrap method to choose the sample fraction in tail index estimation. Journal of Multivariate Analysis, 248(76), 226-248. DOI: https://doi.org/10.1006/jmva.2000.1903
Di Clemente, A. y Romano, C. (2005). Measuring portfolio value-at-risk by a Copula-evt based approach. Studi Economici, 85(January), 1-22.
Embrechts, P. (2000). Extreme value theory: Potential and limitations as an integrated risk management tool. Derivative Use, Trading & Regulation, (6), 449-456.
Embrechts, P., Kluppelberg, C. y Mikosch, T. (1996). Modelling Extremal Events for Insurance and Finance. Springer. DOI: https://doi.org/10.1007/978-3-642-33483-2
Embrechts, P., McNeil, A. J. y Straumann, D. (2002). Correlation and dependence in risk management: Properties and pitfalls. En M. A. H. Dempster (ed.), Risk Management. Cambridge: Cambridge University Press. https://doi.org/10.1017/ cbo9780511615337.008 DOI: https://doi.org/10.1017/CBO9780511615337.008
Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007. https://doi.org/10.2307/1912773 DOI: https://doi.org/10.2307/1912773
Feo Cediel, Y. (2016). Regular Vine Cópulas: una aplicación al cálculo de valor en riesgo. Revista de Investigación en Modelos Financieros, 2(ii), 30-64.
Fernández, V. (2008). Copula-based measures of dependence structure in assets returns. Physica A: Statistical Mechanics and Its Applications, 387(14), 3615-3628. https://doi.org/10.1016/j.physa.2008.02.055 DOI: https://doi.org/10.1016/j.physa.2008.02.055
Hotta, L. K., Lucas, E. C. y Palaro, H. P. (2008). Estimation of VaR using copula and extreme value theory. Multinational Finance Journal, 12(3/4), 205-218. https:// doi.org/10.17578/12-3/4-3 DOI: https://doi.org/10.17578/12-3/4-3
Hsu, C.-P., Huang, C.-W. y Chiou, W.-J. P. (2011). Effectiveness of copula-extreme value theory in estimating value-at-risk: Empirical evidence from Asian emerging markets. Review of Quantitative Finance and Accounting, 39, 447-468. https:// doi.org/10.1007/s11156-011-0261-0 DOI: https://doi.org/10.1007/s11156-011-0261-0
Hussain, S. I. y Li, S. (2018). The dependence structure between Chinese and other major stock markets using extreme values and copulas. International Review of Economics and Finance, 56(February 2016), 421-437. https://doi.org/10.1016/j. iref.2017.12.002 DOI: https://doi.org/10.1016/j.iref.2017.12.002
J.P. Morgan/Reuters (1996). RiskMetrics — Technical Document. Morgan Guaranty Trust Company Risk Management Advisory.
Karmakar, M. (2017). Dependence structure and portfolio risk in Indian foreign ex¬change market: A garch-evt-Copula approach. Quarterly Review of Economics and Finance, 64, 275-291. https://doi.org/10.1016/j.qref.2017.01.007 DOI: https://doi.org/10.1016/j.qref.2017.01.007
Kole, E., Koedijk, K. y Verbeek, M. (2007). Selecting copulas for risk management. Journal of Banking and Finance, 31(8), 2405-2423. https://doi.org/10.1016/j. jbankfin.2006.09.010 DOI: https://doi.org/10.1016/j.jbankfin.2006.09.010
Koliai, L. (2016). Extreme risk modeling: An evt-pair-copulas approach for financial stress tests. Journal of Banking and Finance, 70, 1-22. https://doi.org/10.1016/j.jbankfin.2016.02.004 DOI: https://doi.org/10.1016/j.jbankfin.2016.02.004
Lee, S. Y. y Kim, J. H. T. (2017). Exponentiated generalized Pareto distribution: Properties and applications towards Extreme Value Theory. Communications in Statistics - Theory and Methods, August. DOI: https://doi.org/10.1080/03610926.2018.1441418
Loaiza, R., Gómez-González, J. E. y Melo, L. F. (2015). Latin American exchange rate dependencies: A regular vine copula approach. Contemporary Economic Policy, 33(3), 535-549. https://doi.org/10.1111/coep.12091 DOI: https://doi.org/10.1111/coep.12091
McNeil, A. J. (1999). Extreme Value Theory for Risk Managers. A general introduction to extreme risk. Internal Modelling and cad ii, 3, 1-22. Recuperado de http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Extreme+Value+Theory+for+Risk+Managers#0
McNeil, A. J. y Frey, R. (2000). Estimation of tail-related risk measures for heteros¬cedastic financial time series: An extreme value approach. Journal of Empirical Finance, 7, 271-300. DOI: https://doi.org/10.1016/S0927-5398(00)00012-8
McNeil, A. J., Frey, R. y Embrechts, P. (2005). Quantitative Risk Management: Concepts, Techniques and Tools. Princeton University Press.
Melo, L. F. y Becerra, O. (2005). Medidas de riesgo, caracteristicas y tecnicas de medicion: una aplicacion del VaR y el es a la tasa interbancaria de Colombia. Universidad del Rosario. Universidad del Rosario. Recuperado de https://repo-sitory.urosario.edu.co/handle/10336/1060
Melo, L. F. y Becerra, O. (2008). Medidas de riesgo financiero usando cópulas: Teoría y aplicaciones Borradores de Economia, 489(4), 93. Recuperado de http://www.banrep.gov.co/docum/ftp/borra489.pdf DOI: https://doi.org/10.32468/be.489
Nystrom, K. y Skoglund, J. (2002). Univariate extreme value theory, garch and mea¬sures of risk. Swedbank.
Palaro, H. P. y Hotta, L. K. (2006). Using conditional copula to estimate value at risk. Journal of Data Science, 4, 93-115. DOI: https://doi.org/10.6339/JDS.2006.04(1).226
Patton, A. J. (2006). Modelling asymmetric exchange rate dependence. International Economic Review, 47(2), 527-556. DOI: https://doi.org/10.1111/j.1468-2354.2006.00387.x
Pickands, J. (1975). Statistical inference using extreme order statistics. The Annals of Statistics, 3(1), 119-131. DOI: https://doi.org/10.1214/aos/1176343003
Quevedo, A. R. (2005). Dependencia entre activos financieros: Un ejemplo para la relación tes-dólar más allá de los supuestos. Odeon, 2(1).
Salinas, S. M., Maldonado, D. A. y Díaz, L. G. (2010). Estimación del riesgo en un portafolio de activos. Revista Apuntes del cenes, 29(50), 117-150.
Sklar, A. (1959). Fonctions de répartition àn dimensions et leurs marges. Publications de l’Institut de Statistique de l’Université de Paris, 8, 229-231.
Torres Avendaño, G. I. y Olarte Cadavid, A. M. (2009). Valor en riesgo desde un en¬foque de cópulas. AD-Minister Universidad EAFIT, 15, 113-136.
Triana, D., Torres, L. M., Alba, M. A. y Pineda-Ríos, W. (2018). Estimación Bayesiana para el cálculo del Valor en Riesgo (VaR) en modelos de series financieras con relaciones de dependencia no lineal en Colombia. Comunicaciones en Estadística, 11(2), 171-189. DOI: https://doi.org/10.15332/2422474x.3761
Uribe, J. y Ulloa, I. (2012). La medición del riesgo en eventos extremos. Una revisión metodológica en contexto. Lecturas de Economía (76), 87-117.
Vargas, A. C. (2019). Asymmetric Volatility Spillovers of Financial Markets : An Application to Colombia. Bogotá: Universidad Nacional de Colombia.
Vose, D. (2008). A quantitative guide (3 ed.). Chichester: John Wiley & Sons.
Wang, Z., Jin, Y. y Zhou, Y. (2010). Estimating portfolio risk using garch-evt-copula model: An empirical study on exchange rate market. Lecture Notes in Electrical Engineering, 67 lnee, 65-72. https://doi.org/10.1007/978-3-642-12990-2_8 DOI: https://doi.org/10.1007/978-3-642-12990-2_8
Wang, Z. R., Chen, X. H., Jin, Y. B. y Zhou, Y. J. (2010). Estimating risk of foreign exchange portfolio: Using VaR and CVaR based on garchevt-Copula model. Physica A: Statistical Mechanics and Its Applications, 389(21), 4918-4928. https://doi.org/10.1016/j.physa.2010.07.012 DOI: https://doi.org/10.1016/j.physa.2010.07.012
Yamai, Y. y Yoshiba, T. (2002). Comparative analyses of Expected Shortfall and Value-at-Risk: Their estimation error, decomposition, and optimization. Comparative Analyses of Expected Shortfall and Value-at-Risk, 20(1), 87-121.
Yamai, Y. y Yoshiba, T. (2005). Value-at-risk versus expected shortfall: A practical perspective. Journal of Banking and Finance, 29(4), 997-1015. https://doi.org/10.1016/j.jbankfin.2004.08.010 DOI: https://doi.org/10.1016/j.jbankfin.2004.08.010
Yu, W., Yang, K., Wei, Y. y Lei, L. (2018). Measuring Value-at-Risk and Expected Shortfall of crude oil portfolio using extreme value theory and vine copula. Physica A: Statistical Mechanics and Its Applications, 490, 1423-1433. https://doi.org/10.1016/j.physa.2017.08.064 DOI: https://doi.org/10.1016/j.physa.2017.08.064
Citado por
