• 응용통계연구
• /
• 제25권5호
• /
• pp.757-773
• /
• 2012

Traditional value at risk(S-VaR) has a difficulity in predicting the future risk of financial asset prices since S-VaR is a backward looking measure based on the historical data of the underlying asset prices. In order to resolve the deficiency of S-VaR, an economic value at risk(E-VaR) using the risk neutral probability distributions is suggested since E-VaR is a forward looking measure based on the option price data. In this study E-VaR is estimated by assuming the generalized gamma distribution(GGD) as risk neutral density function which is implied in the option. The estimated E-VaR with GGD was compared with E-VaR estimates under the Black-Scholes model, two-lognormal mixture distribution, generalized extreme value distribution and S-VaR estimates under the normal distribution and GARCH(1, 1) model, respectively. The option market data of the KOSPI 200 index are used in order to compare the performances of the above VaR estimates. The results of the empirical analysis show that GGD seems to have a tendency to estimate VaR conservatively; however, GGD is superior to other models in the overall sense.

• 재무관리연구
• /
• 제26권3호
• /
• pp.139-169
• /
• 2009

본 연구는 새로운 VaR 추정모형으로 수정 VaR(modified VaR)을 소개하고, 수정 VaR의 예측성과를 역사적 시뮬레이션 모형이나 Riskmetrics 등 전통적인 모형들과 비교하였다. 수정 VaR은 분산뿐만 아니라 왜도, 첨도를 VaR 계산에 고려함으로써 금융자산분포의 비대칭성과 꼬리가 굵은 성질이 위험측정치에 반영될 수 있는 장점이 있다. 수정 VaR은 6개국의 주가지수 수익률을 이용한 표본외 예측성과검증에서 다른 모형들에 비해 가장 우수한 예측성과를 보였다. VaR 예측의 독립성검증에서는 Riskmetrics와 GARCH 모형이 우수한 것으로 나타났으나 수정 VaR에 대해 서도 독립성이 기각되지 않았다. 특정한 표본을 이용한 예측성과분석에서 나타날 수 있는 data snooping 문제를 해결하기 위해 skew t 분포를 이용한 시뮬레이션분석을 시도하였는데, 시뮬레이션 검증결과에서도 수정 VaR이 가장 양호한 예측성과를 보였다. 포트폴리오 VaR에 대한 표본외 예측성과에서도 수정 VaR은 단일변량모형이나 다변량 정규분포모형에 비해 우수한 성과를 보였다. 다변량 수정 VaR은 포트폴리오 구성자산 간의 선형상관관계뿐 아니라 공왜도(coskewness)와 공첨도(cokurtosis)를 통한 비선형 상호의존관계도 고려할 수 있다는 점에서 포트폴리오 위험에 대한 우수한 예측성과는 당연한 결과라고 할 수 있다. 6개국 주가지수로 구성된 포트폴리오의 VaR을 component VaR로 분할한 실증분석에서는 포트폴리오 VaR의 분할결과가 적극적인 위험관리와 포트폴리오 최적화를 위한 자산재배분에 효과적으로 활용될 수 있음을 확인하였다.

• 응용통계연구
• /
• 제24권4호
• /
• pp.597-607
• /
• 2011

금융자산에의 투자에서 리스크 관리의 중요성이 부각되면서 리스크를 측정할 수 있는 도구로서 Value at Risk (VaR)가 널리 각광을 받고 있다. Value at Risk는 주어진 신뢰수준에서 목표기간 동안 발생 가능한 최대손실로 정의되는데 몇 가지 한계점이 있지만 비교적 간단하게 계산되고 이해될 수 있다는 장점이 있어 리스크 측정 및 관리의 기본적인 측도로 이용되고 있다. 그러나 포트폴리오에 포함되는 자산의 숫자가 많아지는 경우 VaR을 계산하는 데에 필수적인 변동성 추정이 매우 어려워지게 된다. 이때 차원축소의 방법을 생각할 수 있는데, 전통적인 인자분석은 시계열자료에 적합한 방법이 아니기 때문에 직접 적용할 수 없고 자료의 자기상관성을 제거하는 방법이 선행되어야 한다. 본 논문에서는 인자분석의 확장 형태인 시계열인자분석을 활용하여 시계열자료의 차원축소과정을 간결하게 하는 방법을 제시하고, 시계열인자분석으로 차원을 축소할 때 기존의 방법을 사용하는 것과 어떠한 차이가 있는지를 실제 금융자료를 이용한 VaR의 사후검증을 통해 분석하였다.

• 응용통계연구
• /
• 제23권3호
• /
• pp.471-485
• /
• 2010

금융위험의 위험관리를 위한 도구로서 현재 VaR가 널리 이용되고 있다. VaR의 측정은 사용의 편리상 정규분포를 가정하여 이루어져 왔으나 좀 더 정확한 VaR의 산출을 위해 최근 극단치이론을 이용한 추정방법이 관심을 끌고 있다. 지금까지 극단치이론을 이용하여 VaR의 추정을 위한 확률모형에는 주로 GEV모형과 GPD모형이 사용되고 있다. 본 논문에서는 기존의 EV모형이 갖는 문제점들을 극복하고 좀 더 정확한 VaR를 측정하기위한 노력으로 PP모형을 제시하였다. PP모형은 확률과정의 관점에서 GEV모형과 GPD모형을 포괄하는 모형으로서 기존의 EV모형을 일반화시키는 모형이라고 할 수 있다. PP모형이 기존의 정규분포와 두 EV모형에 비해 VaR추정의 성과가 우수함을 실증분석을 통해 보여주었다.

• Journal of the Korean Data and Information Science Society
• /
• 제22권6호
• /
• pp.1065-1074
• /
• 2011

1990년대 중반 이후 금융 분야에서 가장 많은 관심을 받는 연구 주제 중의 하나는 대표적인 위험측정 방법인 VaR (Value at risk)이다. VaR는 주어진 신뢰수준에서 정상적인 시장조건을 가정할 때 선택한 목표기간 동안 발생할 수 있는 포트폴리오의 최대손실액으로 정의된다. 본 논문에서는 국내 주가지수 자료를 이용한 포트폴리오에 다변량 정규분포를 이용하는 VaR 예측 방법인 단순이동평균법과 지수가중이동평균법을 고려하여 VaR를 예측한 결과와 t 분포 및 조건부 코퓰라 (Copula) 함수를 이용하여 VaR를 예측한 결과를 비교 평가하였다. 자료 분석 결과에 의하면 포트폴리오 구성 종목 간에 종속성구조와 비정규성이 존재하는 경우에 t 분포와 조건부 코퓰라 방식을 이용하여 VaR 추정의 정확도를 높일 수 있다는 결론을 얻을 수 있었다.

• 응용통계연구
• /
• 제28권3호
• /
• pp.541-559
• /
• 2015

VaR는 금융위험을 측정하고 관리하기위한 중요한 도구로 현재 널리 사용되고 있다. 특히 금융자산 수익률의 변동성에 적합한 모형을 찾는 것은 VaR의 정확한 측정을 위해 중요한 과제이다. 본 연구에서는 한국의 코스피, 중국의 항셍, 일본의 니케이지수들로 구성된 포트폴리오의 VaR를 측정하기 위한 변동성모형으로 다양한 일변량모형들과 다변량모형들을 함께 고려하여 그 성과를 비교하였다. 사후검증을 통해 전체적으로 일변량모형들보다는 다변량모형들이 VaR의 측정에 더 적합한 것으로 보여 졌으며 특히 DCC와 ADCC모형이 더욱 우수한 것으로 나타났다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.171-180
• /
• 2016

바젤 위원회는 시장위험의 측정 도구로 Value-at-Risk(VaR)와 expected shortfall(ES)을 사용할 것을 제안하였다. 여러 문헌에서 VaR와 ES의 다양한 추정 방법들이 연구 되었다. 본 연구에서는 준모수적인 방법인 conditional autoregressive value at risk(CAViaR), conditional autoregressive expectile(CARE) 방법들, 그리고 Gaussian 준최대가능도 추정량(QMLE)를 이용한 방법을 사후 검정을 통해서 비교하고자 한다. 각 방법의 타당성을 확인하기 위해서, VaR에 대한 사후 검정은 unconditional coverage(UC)와 conditional coverage(CC) 검정을 사용하고 ES에 대한 검정은 붓스트랩 방법을 사용한다. S&P500 지수와 현대 자동차 주식가격 지수에 대하여 실증 자료 분석이 수행되었다.

• 재무관리연구
• /
• 제24권3호
• /
• pp.153-186
• /
• 2007

It is well known that the distributional properties of financial asset returns exhibit fatter-tails and skewer-mean than the assumption of normal distribution. The correct assumption of return distribution might improve the estimated performance of the Value-at-Risk(VaR) models in financial markets. In this paper, we estimate and compare the VaR performance using the RiskMetrics, GARCH and FIGARCH models based on the normal and skewed-Student-t distributions in two daily returns of the Korean Composite Stock Index(KOSPI) and Korean Won-US Dollar(KRW-USD) exchange rate. We also perform the expected shortfall to assess the size of expected loss in terms of the estimation of the empirical failure rate. From the results of empirical VaR analysis, it is found that the presence of long memory in the volatility of sample returns is not an important in estimating an accurate VaR performance. However, it is more important to consider a model with skewed-Student-t distribution innovation in determining better VaR. In short, the appropriate assumption of return distribution provides more accurate VaR models for the portfolio managers and investors.

• 응용통계연구
• /
• 제34권6호
• /
• pp.875-887
• /
• 2021

최대예상손실액(VaR)은 위험관리수단으로 금융에서 시장위험을 측정하는 대표적인 값이다. 본 논문에서는 다양한 자산으로 이루어진 고차원 금융자료에서 자산들 간의 의존성 구조를 잘 설명할 수 있는 성근 바인 코풀라를 이용한 VaR 추정에 대해서 논의한다. 성근 바인 코풀라는 정규 바인 코풀라 모형에 벌점화를 적용한 방법으로 추정하는 모수의 개수를 벌점화를 통해 축소하는 방법이다. 모의 실험 결과 성근 바인 코풀라를 이용한 VaR 추정이 더 작은 표본 외 예측오차를 줌을 살펴볼수 있었다. 또한 최근 5년간의 코스피 60개 종목을 바탕으로 실시한 실증 자료 분석에서도 성근 바인 코풀라 모형이 더 좋은 예측 성능을 보임을 확인할 수 있었다.

• Communications for Statistical Applications and Methods
• /
• 제25권6호
• /
• pp.605-618
• /
• 2018

Risk management has been a crucial part of the daily operations of the financial industry over the past two decades. Value at Risk (VaR), a quantitative measure introduced by JP Morgan in 1995, is the most popular and simplest quantitative measure of risk. VaR has been widely applied to the risk evaluation over all types of financial activities, including portfolio management and asset allocation. This paper uses the implementations of multivariate GARCH models and copula methods to illustrate the performance of a one-day-ahead VaR prediction modeling process for high-dimensional portfolios. Many factors, such as the interaction among included assets, are included in the modeling process. Additionally, empirical data analyses and backtesting results are demonstrated through a rolling analysis, which help capture the instability of parameter estimates. We find that our way of modeling is relatively robust and flexible.