• 재무관리연구
• /
• 제25권4호
• /
• pp.79-116
• /
• 2008

본 논문은 1980년 1월부터 2004년 9월까지 한국 거래소 시장수익률을 이용하여 RiskMetrics, GARCH, IGARCH, GJR, APARCH 등의 모형에 정규분포, 스튜던트 t분포, 왜도 스튜던트 t분포 등을 이용하여 어느 분포를 가진 모형이 보다 더 정확한 VaR을 추정할 수 있는지를 실증검증 하였다. 실증결과 표본 내 검증 시 모든 신뢰수준($90%{\sim}99.9%$)에서 롱 포지션 전략에서는 ${\lambda}=0.87$를 가진 IGARCH 모형 및 왜도 스튜던트 t분포가 가장 우월하며, 숏 포지션 전략에서는 GARCH 및 GJR 모형이 그리고 왜도 스튜던트 t분포가 가장 우월하였고, 99% 이상의 신뢰수준에서는 또한 ${\lambda}=0.87$를 가진 IGARCH 모형이 롱 및 숏 포지션 양 전략에서 우월하였다. 또한 분포의 경우 롱 포지션에서 왜도 스튜던트 t분포, 숏 포지션에서 스튜던트 t분포가 가장 우월하였다. 표본 외 검증에서도 동일한 결과를 제시하고 있다.

• 국제지역연구
• /
• 제12권2호
• /
• pp.3-26
• /
• 2008

본 논문은 호주 금융시장의 두 가지 시계열(ASX200 주가지수와 AUD/USD 환율)의 수익률 자료에 존재할 수 있는 장기기억 변동성 특성을 모형화하는 데 skewed Student-t 분포가 유용한지를 연구한다. 이러한 연구목적을 위하여 FIGARCH 및 FIAPARCH Value-at-Risk (VaR) 모형을 교란항에 대한 정규분포, Student-t 분포 및 치우친 Student-t 분포 가정하에서 평가한다. 실증분석 결과 skewed Student-t 분포 모형이 정규분포 모형이나 Student-t 분포 모형보다 호주 금융시장의 VaR을 더 정확하게 추정한다는 발견하였다. 따라서 자산 수익률 분포의 왜도 및 첨도를 고려하는 것은 호주 주식시장과 외환시장의 장기기억 변동성 모형을 검토할 때 적절한 모형선택 기준을 제공한다는 것을 알 수 있다.

• 자원ㆍ환경경제연구
• /
• 제16권4호
• /
• pp.947-978
• /
• 2007

본 연구에서는 원유시장의 변동성 분석에 적용될 수 있는 VaR(Value-at-Risk) 접근법을 고찰한다. 그리고 다양한 VaR 모형들(RiskMetrics, GARCH, IGARCH와 FIGARCH 모형)의 성과를 정규분포와 치우친 Student-t 분포 가정 하에서 평가한다. Brent 및 Dubai 시장의 일별가격 자료를 이용한 실증분석 결과에 따르면, FIGARCH 모형이 GARCH 모형이나 IGARCH 모형보다 원유시장의 변동성에 내재되어 있는 장기기억 특성을 잘 반영한다는 점에서 더 우월한 것으로 나타났다. 이러한 사실은 원유시장 수익률의 변동성에는 장기기억이 존재한다는 것을 의미한다. 그리고 VaR 분석 결과, 치우친 Student-t 분포 가정 하에서 추정되는 FIGARCH 모형이 롱 포지션과 숏 포지션 모두에서 정규분포 가정 하에서 추정되는 다른 변동성 모형들보다 원유시장에서의 투자 위험을 더 정확하게 예측하는 것으로 나타났다. 이러한 사실은 치우친 Student-t 분포 가정이 원유시장 수익률 분포에 내재되어 있는 비정상적 왜도와 첨도를 모형화하는데 더 적합하다는 것을 의미한다. 이와 같은 발견은 원유시장 구매자 및 판매자들이 원유가격의 움직임을 올바르게 측정하고 VaR을 정확하게 추정하는데 도움을 줄 것이다.

• Communications for Statistical Applications and Methods
• /
• 제29권3호
• /
• pp.333-351
• /
• 2022

The skew-t distribution is an attractive family of asymmetrical heavy-tailed densities that includes the normal, skew-normal and Student's-t distributions as special cases. In this work, we propose an EM-type algorithm for computing the maximum likelihood estimates for skew-t linear regression models with censored response. In contrast with previous proposals, this algorithm uses analytical expressions at the E-step, as opposed to Monte Carlo simulations. These expressions rely on formulas for the mean and variance of a truncated skew-t distribution, and can be computed using the R library MomTrunc. The standard errors, the prediction of unobserved values of the response and the log-likelihood function are obtained as a by-product. The proposed methodology is illustrated through the analyses of simulated and a real data application on Letter-Name Fluency test in Peruvian students.

• Communications for Statistical Applications and Methods
• /
• 제30권6호
• /
• pp.605-629
• /
• 2023

This paper proposes some diagnostics procedures for the skew-t linear regression model with censored response. The skew-t distribution is an attractive family of asymmetrical heavy-tailed densities that includes the normal, skew-normal and student's-t distributions as special cases. Inspired by the power and wide applicability of the EM-type algorithm, local and global influence analysis, based on the conditional expectation of the complete-data log-likelihood function are developed, following Zhu and Lee's approach. For the local influence analysis, four specific perturbation schemes are discussed. Two real data sets, from education and economics, which are right and left censoring, respectively, are analyzed in order to illustrate the usefulness of the proposed methodology.

• Journal of the Korean Statistical Society
• /
• 제32권4호
• /
• pp.425-448
• /
• 2003

Meta-analysis refers to quantitative methods for combining results from independent studies in order to draw overall conclusions. We consider hierarchical models including selection models under a skewed heavy tailed error distribution proposed originally by Chen et al. (1999) and Branco and Dey (2001). These rich classes of models combine the information of independent studies, allowing investigation of variability both between and within studies, and incorporate weight function. Here, the testing for the skewness parameter is discussed. The score test statistic for such a test can be shown to be expressed as the posterior expectations. Also, we consider the detail computational scheme under skewed normal and skewed Student-t distribution using MCMC method. Finally, we introduce one example from Johnson (1993)'s real data and apply our proposed methodology. We investigate sensitivity of our results under different skewed errors and under different prior distributions.