| Revista: | EconoQuantum |
| Base de datos: | CLASE |
| Número de sistema: | 000497301 |
| ISSN: | 1870-6622 |
| Autores: | Serrano Bautista, Ramona1 Mata Mata, Leovardo2 |
| Instituciones: | 1Universidad Panamericana, Ciudad de México. México 2Universidad Anáhuac, Ciudad de México. México |
| Año: | 2020 |
| Periodo: | Jul-Dic |
| Volumen: | 17 |
| Número: | 2 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | Objetivo El propósito de este trabajo es explorar diferentes distribuciones en la estimación del Valor en Riesgo (VaR) como una opción en el mercado mexicano. Metodología Estimamos un modelo GARCH bajo la hipótesis de las distribuciones Gaussiana, Normal Inversa Gaussiana, t-student Sesgada Generalizada y Estable. Implementamos este modelo para predecir los VaR a un día y finalmente examinamos el desempeño de estos cuatro modelos VaR durante una período de alta volatilidad. Resultados El resultado del backtesting confirma que el VaR estable a un nivel de confianza del 99% supera a los otros modelos en la predicción del VaR. Limitaciones: Aunque el VaR es una medida de riesgo ampliamente utilizada, no es una medida de riesgo coherente, por esta razón, una extensión natural de nuestra investigación sería estimar el Valor en Riesgo Condicional (CVaR) lo cual podría generar diferentes resultados. Conclusiones Nuestros hallazgos revelan que los modelos que consideran algunas características empíricas de los rendimientos financieros, tales como leptocurtosis, agrupamiento de volatilidad y asimetría, mejoran la capacidad de predicción del VaR. Lo anterior es importante en la búsqueda de enfoques más precisos y eficientes en la estimación de VaR |
| Resumen en inglés | Objective The purpose of this paper is to explore different distributions in conditional Value at Risk (VaR) modeling as an option in the Mexican market. Methodology We estimate a GARCH model under the Gaussian, Normal Inverse Gaussian, Skew Generalized t and the Stable distribution assumption, then we implement the model in predicting one-day ahead VaR and finally we examine the performance among the four VaR models during a period of high volatility. Results The backtesting result confirms that the stable-VaR approach outperforms the other models in the VaR’s prediction at 99% confidence level. Limitations Although the VaR is a widely used risk measure is not a coherent risk measure, for this reason, a natural extension of our work should be to estimate the expected shortfall and this may produce different insights. Conclusions Our findings reveal that models that consider some empirical characteristic of financial returns such as leptokurtic, volatility clustering and asymmetry improve the VaR predicting capacity. This finding is important in the search more robust approaches for VaR estimates |
| Disciplinas: | Economía |
| Palabras clave: | Econometría, Modelo VAR, Modelo GARCH, Distribución estable, Distribución sesgada generalizada, Distribución gaussiana, Modelos econométricos |
| Keyword: | Econometrics, VAR model, GARCH model, Stable distribution, Generalized skew distribution, Gaussian distribution, Econometric models |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
