KaydedilenlerDerginizi ekleyin

Dergiler / Akdeniz İİBF Dergisi / 2009 / Cilt: 9 - Sayı: 17

Beklenen kayıp yöntemi ile riske maruz değer analizi

Value at risk analysis with expected shortfall

Türker ADAKALE
Mert URAL
Sayfa
23–39
Yayın Tarihi
2022-10-11
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Uygulamalı çalışmalar, finansal varlık getirilerinin şişman kuyruklu olduklarını ve büyük bir kısmının volatilite kümelenmesi ve asimetri ile karakterize edildiklerini göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Uygulamalı çalışmalar, finansal varlık getirilerinin şişman kuyruklu olduklarını ve büyük bir kısmının volatilite kümelenmesi ve asimetri ile karakterize edildiklerini göstermektedir.
📊
Temel Bulgular & Veri:Bu çalışmada, iki farklı dönem (normal ve kriz) açısından çeşitli dağılımlara göre Genelleştirilmiş Asimetrik Üslü ARCH (APGARCH) modeli uygulanarak günlük hisse senedi getirileri için Riske Maruz Değer (VaR) ve Beklenen Kayıp (ES) tutarları hesaplanmıştır.
💡
Sonuç & Katkı:İstanbul Menkul Kıymetler Borsası’nda kısa ve uzun pozisyon alan yatırımcılar için VaR ve ES hesaplamalarının normal, Student-t ve GED dağılımlarına kıyasla Skewed (Çarpık) Student-t dağılımlı APGARCH modeli ile daha doğru modellendiği anlaşılmıştır.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Uygulamalı çalışmalar, finansal varlık getirilerinin şişman kuyruklu olduklarını ve büyük bir kısmının volatilite kümelenmesi ve asimetri ile karakterize edildiklerini göstermektedir. Bu çalışmada, iki farklı dönem (normal ve kriz) açısından çeşitli dağılımlara göre Genelleştirilmiş Asimetrik Üslü ARCH (APGARCH) modeli uygulanarak günlük hisse senedi getirileri için Riske Maruz Değer (VaR) ve Beklenen Kayıp (ES) tutarları hesaplanmıştır. İstanbul Menkul Kıymetler Borsası’nda kısa ve uzun pozisyon alan yatırımcılar için VaR ve ES hesaplamalarının normal, Student-t ve GED dağılımlarına kıyasla Skewed (Çarpık) Student-t dağılımlı APGARCH modeli ile daha doğru modellendiği anlaşılmıştır.

Abstract

Empirical studies have shown that a large number of financial asset returns exhibit fat tails and are often characterized by volatility clustering and asymmetry. This paper provides Value at Risk (VaR) and Expected Shortfall (ES) estimations for daily stock returns in two different periods (normal and crises) with the application of Generalized Asymmetric Power ARCH (APGARCH) model according to different error distribution assumptions. The results show that the estimated VaR and ES for traders having both short and long positions in the Istanbul Stock Exchange is more accurately modeled by a Skewed Student-t APARCH model that by a normal, Student-t or GED distributions.

🔖

Bu Makaleye Atıf Yap

ADAKALE, T., URAL, M. (2022). Beklenen kayıp yöntemi ile riske maruz değer analizi. Akdeniz İİBF Dergisi, Cilt: 9 - Sayı: 17, 23–39. https://ajindex.com/articles/433177

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. ACERBI, C. ve TASCHE, D. (2002) On The Coherence Of Expected Shortfall, Journal of Banking and Finance, 26, 1487–1503.
  2. ARTZNER, P., DELBAEN, F., EBER, J-M. ve HEATH, D. (1999)
  3. Coherent Measures of Risk, Mathematical Finance, 9, 203-228. ANÉ, T. (2006) An Analysis of the Flexibility of Asymmetric Power GARCH Models, Computational Statistics and Data Analysis, 51, 1293-1311.
  4. BASAK, S. ve SHAPIRO, A. (2001) Value-at-Risk Based Risk Management: Optimal Policies and Asset Prices, Review of Financial Studies, 14, 371-405.
  5. BERKOWITZ, J. ve O’BRIEN, J. (2002) How Accurate Are Value-at-Risk Models At Commercial Banks?, Journal of Finance, 57, 1093–1111.
  6. BOLLERSLEV, T, ENGLE, R.F. ve NELSON, D.B. (1994) ARCH Models, (Ed.: ENGLE, R.F. ve MCFADDEN, D.L.), Handbook of Econometrics, North Holland Press, Amsterdam, 2959–3038.
  7. BOLLERSLEV, T. (1987) A Conditionally Heteroskedastic Time Series Model for Speculative Prices and Rates of Return, The Review of Economics and Statistics, 69(3), 542-547.
  8. BOZKUŞ, S. (2005),Risk Ölçümünde Alternatif Yaklaşımlar: Riske Maruz Değer (VaR) ve Beklenen Kayıp (ES) Uygulamaları, Dokuz Eylül Üniversitesi, İktisadi ve İdari Bilimler Fakültesi Dergisi, 20(2), 27-45.
  9. BROOKS, R.D., FAFF, R.W., MCKENZIE, M.D. ve MITCHELL, H. (2000) A Multi-country Study of Power ARCH Models and National Stock Market Returns, Journal of International Money and Finance, 19, 377–397.
  10. ÇİFTER, A. (2004) Risk Yönetimi’nde (Skewed) Student-t ve GED Dağılımları ile Asimetrik ve (Kısmi) Entegre GARCH Modelleri: Eurobond Üzerine Bir Uygulama, VIII. Ulusal Finans Sempozyumu,İstanbul Teknik Üniversitesi, 2004.
  11. ÇİFTER, A., ÖZÜN, A. ve YILMAZER, S. (2007) Beklenen Kuyruk Kaybı ve Genelleştirilmiş Pareto Dağılımı ile Riske Maruz Değer Öngörüsü: Faiz Oranları Üzerine Bir Uygulama, Bankacılar Dergisi, Türkiye Bankalar Birliği, 60, 3-16.
  12. DING, Z., GRANGER, C.W.J. ve ENGLE, R.F. (1993) A Long Memory Property of Stock Market Returns and A New Model, Journal of Empirical Finance, 1, 83-106.
  13. DOWD, K. (2002),
  14. Measuring Market Risk, John Wiley&Sons Ltd., England. FERNANDEZ, C. ve STEEL, M.F.J. (1998) On Bayesian Modelling of Fat Tails and Skewness, Journal of the American Statistical Association, 93, 359-371.
  15. GIOT, P. ve LAURENT, S. (2003) Value-at-Risk For Long And Short Trading Positions, Journal of Applied Econometrics, 18, 641–664.
  16. JONDEAU, E., POON, S.H. ve Rockinger, M. (2007) Financial Modeling Under Non-Gaussian Distributions, Springer Finance, USA. JORION, P. (2003) Financial