Tail risk forecasting with gas models
Este artigo compara previsões de Value-at-Risk (VaR) e Expected Shortfall (ES) obtidas atrav es do modelo GAS proposto por Creal et al. (2013) com modelos alternativos. Primeiramente e feita uma investigação dentro-da-amostra do GAS semiparametrico de Blasques et al. (2014) e e proposta uma metodolo...
| Autor: | |
|---|---|
| Tipo de documento: | dissertação |
| Estado: | Versão publicada |
| Data de publicação: | 2018 |
| País: | Brasil |
| Recursos: | Universidade Federal do Rio Grande do Sul (UFRGS) |
| Repositório: | Biblioteca Digital de Teses e Dissertações da UFRGS |
| Idioma: | inglês |
| OAI Identifier: | oai:www.lume.ufrgs.br:10183/187601 |
| Acesso em linha: | http://hdl.handle.net/10183/187601 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Volatilidade Econometria Generalized autoregressive score (GAS) Expected shortfall (ES) Value at risk (VaR) Volatility forecasting Kernel density Semiparametric GAS |
| Resumo: | Este artigo compara previsões de Value-at-Risk (VaR) e Expected Shortfall (ES) obtidas atrav es do modelo GAS proposto por Creal et al. (2013) com modelos alternativos. Primeiramente e feita uma investigação dentro-da-amostra do GAS semiparametrico de Blasques et al. (2014) e e proposta uma metodologia para a escolha da bandwidth. A parte empirica e realizada atraves de dois estudos distintos. O primeiro tem como foco explorar a capacidade preditiva da especificação semiparametrica contra modelos parametricos. A segunda compara os diversos modelos param etricos para avaliar se o aumento da complexidade do modelo tem impacto direto na qualidade da previsão de medidas de risco. O estudo empírico e conduzido com oito indices, quatro taxas de câmbio de moedas internacionais e duas taxas de câmbio de cripto-moedas. Os modelos são comparados em termos de Quantile Loss de Gonzales-Rivera (2014) e através do procedimento MCS de Hansen et al. (2011). Os resultados indicam que os modelos semiparam etricos melhoram a qualidade de previs~ao dos modelos GAS(n) para o VaR e a ES. Modelos mais complexos como Beta-Skew-t-EGARCH de Surracat e Harvey (2013) produzem melhores resultados que os modelos mais basicos. Contudo, utilizando o procedimento MCS encontramos que na maioria dos casos os modelos são estatisticamente equivalentes em termos da sua habilidade em prever o VaR. |
|---|