Regresión cuantílica dinámica para la medición del valor en riesgo: Una aplicación a datos colombianos.
Dynamic quantile regression for the measurement of a value at risk: An application to Colombian data
Regressão quantílica dinâmica para a medição do valor em risco: uma aplicação a dados colombianos
DOI:
https://doi.org/10.15446/cuad.econ.v38n76.57654Palabras clave:
Valor en riesgo, regresión cuantílica, regresión cuantílica no lineal, procesos CAViaR. (es)Value at Risk, quantile regression, non-linear quantile regression, CAViAR model. (en)
Valor em risco, regressão quantílica, regressão quantílica não linear, processos CAViaR. (pt)
Descargas
This document contains the results for the estimation of Value at Risk (VaR) based on linear and non-linear quantile regression techniques. In particular, several CAViaR (conditional autoregressive value at risk) models are implemented for this purpose. These models can replicate the empirical properties of asset returns without requiring distributional assumptions. In addition, these methods are compared with traditional VaR techniques for the Colombian peso exchange rate, a public debt
market price index, and the Colombian stock price index, during the periods of December 2007 and November 2015. In general, the quantile regression-based techniques show a good performance with respect to the traditional models.
Neste documento estima-se o valor em risco (VaR) utilizando métodos semi-paramétricos baseados em regressão quantílica linear e não linear. Particularmente, usam-se várias especificações da família de modelos CAViaR (conditional autoregressive value at risk). Estes modelos permitem capturar fatos estilizados das séries financeiras e evitam impor supostos relacionados com a distribuição dos ativos financeiros. Além do mais, estas metodologias são comparadas às técnicas de VaR tradicionais para a taxa de câmbio representativa do mercado, um índice de preços de bônus de dívida pública e o índice da bolsa de valores da Colômbia, durante o período compreendido entre dezembro de 2007 e novembro de 2015. De modo geral, constatou-se que as medidas de risco de mercado sob estas metodologias têm um melhor desempenho com relação às tradicionais.
Referencias
Becerra, O., & Melo, L. F. (2006). Medidas de riesgo, características y técnicas de medición: Una aplicación del VaR y el ES a la tasa interbancaria de Colombia. Bogotá: Centro editorial Universidad del Rosario.
Cabrera, W., Melo, L. F., Mendoza, J., & Téllez, S. (2012). Valor en riesgo condicional para el portafolio de deuda pública de las entidades financieras (Temas de Estabilidad Financiera 72). Bogotá: Banco de la República.
Engle, R., & Manganelli, S. (2001). Value at risk models in finance (Working Paper Series 75). Frankfurt: European Central Bank.
Engle, R., & Manganelli, S. (2004). CAViaR: conditional autoregressive value at risk by regression quantiles. Journal of Business and Economic Statistics, 22(4), 367-381.
Gaglianone, W., Lima, L., & Linton, O. (2008). Evaluating value-at-risk models via quantile regression (Working Paper Series 161). Brasilia: Banco Central do Brasil.
Gourieroux, C., & Jasiak, J. (2008). Dynamic quantile models. Journal of Econometrics, 147(1), 198-205.
Granados, J., & Melo, L. F. (2011). Regulación y valor en riesgo. Ensayos sobre Política Económica, 29(64), 110-177.
Jiménez, A., & Melo, L. F. (2015). Modelación de la asimetría y curtosis condicionales: una aplicación VaR para series colombianas. Revista Desarrollo y Sociedad, 76, 273-321.
Koenker, R., & Park, B. (1996). An interior point algorithm for nonlinear quantile regression. Journal of Econometrics , 71(1), 265-283.
Koenker, R., & Bassett, G. (1978). Regression quantiles. Econometrica, 46(1), 33-50.
Koenker, R., & Zhao, Q. (1996). Conditional quantile estimation and inference for arch models. Econometric Theory, 12(5), 793-813.
Koenker, R., & Xiao, Z. (2009). Conditional quantile estimation for generalized autoregressive conditional heteroscedasticity models. Journal of the American Statistical Association, 104(488), 1696-1712.
Koenker, R. (2005). Quantile regression. Nueva York: Cambridge University Press.
Kuester, K., Mittnik, S., & Paolella, M. (2006). Value-at-risk prediction: A comparison of alternative strategies. Journal of Financial Econometrics, 4(1), 53-89.
Leccadito, A., Boffelli, S., & Urga, G. (2014). Evaluating the accuracy of value-at-risk forecasts: New multilevel tests. International Journal of Forecasting, 30(2), 206-216.
Londoño, C., Correa, J., & Lopera, M. (2014). Estimación bayesiana del valor en riesgo: Una aplicación para el mercado de valores colombiano. Cuadernos de Economía, 33(63), 635-678.
Londoño, C. (2011). Regresión del cuantil aplicada al modelo de redes neuronales artificiales. Una aproximación de la estructura CAViaR para el mercado de valores colombiano. Ensayos sobre Política Económica , 29(64), 62-109.
Reveiz, A., & León, C. (2008). Índice representativo del mercado de deuda pública interna: IDXTES (Borradores de Economía 488). Bogotá: Banco de la República .
Tsay, R. (2005). Analysis of financial time series. Nueva York: John Wiley & Sons.
Xiliang, Z., & Xi, Z. (2009). Estimation of value-at-risk for energy commodities via CAViaR model. En Y. Shi, S. Wang, Y. Peng, J. Li & Y. Zeng (eds.), Cutting-edge research topics on multiple criteria decision making (pp. 429-437). Berlín: Springer.
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2019 Cuadernos de EconomíaCuadernos de Economía a través de la División de Bibliotecas de la Universidad Nacional de Colombia promueve y garantiza el acceso abierto de todos sus contenidos. Los artículos publicados por la revista se encuentran disponibles globalmente con acceso abierto y licenciados bajo los términos de Creative Commons Atribución-No_Comercial-Sin_Derivadas 4.0 Internacional (CC BY-NC-ND 4.0), lo que implica lo siguiente: