Detail práce

Modeling Conditional Quantiles of Central European Stock Market Returns

Autor: Mgr. Diana Burdová
Rok: 2014 - zimní
Vedoucí: doc. PhDr. Jozef Baruník Ph.D.
Konzultant:
Typ práce: Diplomová
Ekonomická teorie
Jazyk: Anglicky
Stránky: 87
Ocenění: Pochvala děkana Fakulty sociálních věd za vynikající výkon u státních zkoušek a za vynikající diplomovou práci.
Odkaz: https://is.cuni.cz/webapps/zzp/detail/125355/
Abstrakt: Prevazna cast' literatury na temu Value at Risk (VaR) sa zameriava na nepod-
mienene neparametricke alebo parametricke prstupy k jeho odhadovaniu,
ovel'a mensia cast' na priame modelovanie podmienenych kvantilov. Tato
praca sa sustred'uje na priame modelovanie podmieneneho VaRu, za pomoci
exibilnej kvantilovej regresie, a teda nekladie ziadne obmedzenia na rozde-
lenie vynosov. Na styri cenove indexy, a to cesky PX, mad'arsky BUX, ne-
mecky DAX a americky S&P 500, aplikujeme semiparametricke podmienene
autoregresne Value at Risk (CAViaR) modely, ktore umoznuju variaciu pod-
mieneneho rozdelenia vynosov v case a takisto r^oznu casovu variaciu pre
r^ozne kvantily. Hlavnym ciel'om prace je skumat' ako zavedenie dynamiky
ovplyvnuje presnost' VaR odhadov. Hlavny prnos prace spocva v tom, ze
sa jedna o prvu aplikaciu tohto prstupu na stredoeuropsky akciovy trh a po
druhe, ze skumame vplyv na presnost' VaR odhadov v obdob pred krzou
a takisto pocas krzy. Vysledky dokazuju, ze CAViaR modely vel'mi do-
bre popisuju vyvoj kvantilov v case, ci uz z hl'adiska absolutneho alebo
relatvneho v porovnan s parametrickymi modelmi. Nielen ze poskytuju
vseobecne lepsie odhady, ale prinasaju aj presne predpovede. Tieto modely
preto m^ozu sluzit' ako vhodny nastroj na odhadovanie VaRu pri praktickom
riaden rizk.

Partneři

ČSOB
Deloitte
McKinsey & Company

Sponzoři

CRIF