2 votos

Cálculo del VaR de un GARCH(1,1) con innovaciones Student-t

Estoy estudiando por mi cuenta varias preguntas de Ruey S. Tsay página de enseñanza . Estoy experimentando algunas dificultades para obtener la respuesta correcta para examen final 2013 Problema B Pregunta 3.

Dado un modelo GARCH (1,1) de Student-t, creo que la forma correcta de calcular 1-Day $VaR$ sería tomar la media prevista para 1 día ( $\mu_t$ ) y la desviación estándar ( $\sigma_t$ ) y aplicar la fórmula: $VaR_{0.99} = \mu_t+t_{0.99}\cdot \sigma_t$ . Para obtener el $VaR$ en términos de dólares lo multiplicamos por el tamaño de la posición, 1 millón de dólares.

Al aplicar los resultados siguientes, tomé $\mu_t=-0.001711227, \sigma_t=0.02180995$ y los grados de libertad de la distribución t del parámetro de forma en los resultados, $5.483$ . Sin embargo, esto da una respuesta errónea. La respuesta correcta es $VaR = $$ 54.687, que se encuentra en el manual de soluciones


Los resultados están aquí:

> summary(m3)
Title: GARCH Modelling
Call: garchFit(formula = ~garch(1,1), data=xt, cond.dist="std", trace = F)
Mean and Variance Equation:
data ~ garch(1, 1) [data = xt]
Conditional Distribution: std
Error Analysis:
Estimate Std. Error t value Pr(>|t|)
mu -1.711e-03 3.698e-04 -4.627 3.71e-06 ***
omega 6.235e-06 2.499e-06 2.495 0.0126 *
alpha1 4.833e-02 1.027e-02 4.707 2.51e-06 ***
beta1 9.421e-01 1.227e-02 76.812 < 2e-16 ***
shape 5.483e+00 5.379e-01 10.192 < 2e-16 ***
---
Standardised Residuals Tests:
Statistic p-Value
Ljung-Box Test R Q(10) 14.9856 0.1325876
Ljung-Box Test R^2 Q(10) 5.575123 0.849608
Information Criterion Statistics:
AIC BIC SIC HQIC
-4.780660 -4.770210 -4.780667 -4.776892
> predict(m3,1)
meanForecast meanError standardDeviation
1 -0.001711227 0.02180995 0.02180995

0 votos

¿Te importaría editar la pregunta para incluir exactamente de dónde es la pregunta en ese sitio? Dos ideas preliminares: 1) parece que él hizo el VaR en términos de dólares y tú lo hiciste en términos de porcentaje, 2) me parece más conveniente pensar en el VaR como un número negativo (lo que puedes perder), así que yo usaría un valor t negativo. Sin embargo, esto no es suficiente para reconciliar los dos números.

0 votos

Hola John, gracias por los comentarios. Efectivamente, convertí el VaR porcentual en VaR en dólares, pero olvidé incluirlo en la pregunta. He añadido la fuente exacta.

1 votos

Me sale -72473,6 en tus resultados. Es posible que tengas un problema de datos. Tomé la media de los rendimientos diarios de Apple desde el 1 de enero de 2002 para 2849 puntos de datos y obtuve 0,001272. La media no influye mucho en el cálculo del VaR para un día, pero si tus datos son erróneos, el cálculo del VaR también lo será. Según mi estimación de la media y la t correcta, está utilizando una desviación estándar de 0,017247. En realidad no está tan lejos de lo que usted tiene. Podría ser sólo una cuestión de elegir diferentes puntos de partida.

1voto

Jim Fell Puntos 160

Sé que este post es bastante antiguo, pero es posible que alguien más se enfrente a una pregunta como ésta. Obtuve la, creo, respuesta correcta de la siguiente manera en R:

VaR <- (0.001711227-(qt(p = 0.99, df = 5.483)/sqrt(5.483/3.483))*0.02180995)*1000000

Puede ver que 0,001711227 es la media prevista, 0,02180995 la sd prevista y 5,483 su parámetro de forma ajustado.

Sobre el método, es más o menos como aparece en un archivo de conferencias que encontré aquí . Hay que estandarizar el cuantil t-student antes, y utilizar sqrt(shape/(shape-2)) .

Espero que esto ayude.

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X