• 응용통계연구
• /
• 제29권4호
• /
• pp.689-697
• /
• 2016

금융시장 위험관리 수단으로 많이 사용하는 기법 중의 하나는 Morgan이 제안한 최대손실금액을 추정하는 VaR (Value at Risk)이다. VaR은 한 산업의 금융위험 측정도구로 사용되어지지만 실제 생활에서는 여러 회사 또는 국내 전체의 산업의 VaR를 추정하는 경우가 많다. 따라서 투자할 여러 산업에 대하여 특정한 포트폴리오가 설정된 경우에 다변량분포에 대한 VaR를 추정하는 문제가 필요하다. 본 연구에서는 다변량분포에 대한 VaR를 추정하기 위하여, 다차원 분위 벡터를 제안하고, 이를 바탕으로 다차원 공간에서의 Vector at Risk를 정의한다. 다변량분포에 대하여 특정한 포트폴리오가 설정된 경우에, Vector at Risk 중에서의 한 점을 가장 적절한 VaR로 설정하는 방법을 제안한다. 이를 대안적인 VaR이라고 정의하고, 다변량 분포에 대한 이 방법에 대하여 토론한다. 2변량과 3변량의 예제를 통해 본 연구의 대안적인 VaR과 Morgan의 VaR를 각각 구하고, 비교 설명하면서 대안적인 VaR의 특징을 탐색한다.

• 응용통계연구
• /
• 제24권3호
• /
• pp.523-533
• /
• 2011

위험관리수단으로 시장위험을 정확하게 측정하는 방법 중의 하나로 VaR를 선호한다. 현실생활에서는 단일분포가 아닌 두 개 이상의 다변량분포에 대한 VaR를 추정해야 하는 경우가 많다. 이런 경우에는 VaR를 추정하기 위해 다변량분포를 고려해야 한다. 본 연구는 확률변수들의 종속적 구조를 파악하고 비정규성의 특성을 갖는 다변량 분포함수를 생성하기 위하여 Copula 함수를 사용한다. 여러 산업의 수익률분포에 적합한 Clayton, Gumbel, Frank Copula 함수가 포함된 Archimedean Copula 함수를 추정하여 다변량 수익률 분포함수를 결정하고 이에 대응하는 VaR를 유도한다. 국내의 두 산업체의 자료를 실증예제로 하여 세 종류의 Copula 함수의 모수를 추정하고 이에 대응하는 이변량 분포로부터 VaR와 각각의 주변 분포의 VaR를 구한다. 실제의 VaR를 기준으로 기존 방법으로 구한 VaR와 비교 분석하여 추정의 정확성을 토론한다.

• Journal of the Korean Data and Information Science Society
• /
• 제18권2호
• /
• pp.289-300
• /
• 2007

The stock return is changed by factors of inside and outside or is changed by factor of market system. But most studies have not considered the changes of stock return distribution when estimate the VaR. Such study may lead us to wrong conclusion. In this paper we calculate the VaR of price-to-earnings ratios by the distribution that have considered the change point and used transformation to satisfy normal distribution.

• 응용통계연구
• /
• 제23권2호
• /
• pp.219-234
• /
• 2010

시가총액에 따른 인덱스(INDEX) 투자를 했을 경우에, VaR(Value at Risk)을 종합주가지수(KOSPI)로부터 얻은 수익율의 극단 손실값들로부터 추정한다. 이를 위해, 극단값 이론 중 BM(Block Maxima) 모형을 적용하며, 극단 손실값들의 비독립적 발생을 고려하기 위하여, extremal index 역시 추정한다. 모형의 타당성을 알아보기 위해, 실패율방법을 이용한 사후검정 (back-testing) 을 실시한다. 사후검정을 통해, BM 모형을 적용한 VaR의 추정이 적절함을 알 수 있었다. 또한, 일반적으로 많이 사용되는 GARCH 모형을 이용한 VaR의 추정과 비교한다. 이를 통해, 오차가 t-분포를 따른다고 가정하는 경우, GARCH 모형을 이용한 VaR의 추정이 BM 모형을 이용한 경우와 사후 검정결과에 차이가 없음을 확인하였다. 그러나, GARCH 모형을 통한 VaR 추정은 추정시점근방의 극단 손실값들에 민감하게 반응하지만, BM 모형은 그렇지 않았다. 따라서, 현 시점으로부터 단기간동안의 손실위험은 GARCH 모형을 이용한 VaR의 추정값을 사용하는 것이 적절하며, 장기간동안의 손실위험은 BM 모형으로부터 얻은 VaR의 추정값을 사용하는 것이 적절하다.

• 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.

• Communications for Statistical Applications and Methods
• /
• 제16권6호
• /
• pp.891-901
• /
• 2009

이 논문에서는 GARCH 모형에서 가정한 오차향의 분포에 근접하도록 자료를 변환하고 변환된 자료를 이용하여 모수와 예측구간을 구한 후 다시 역변환을 통해 원래의 척도에서의 VaR을 계산하는 방법에 대해 알아본다. KOSPI와 KOSDAQ 수익률을 이동시키며 VaR을 계산하고 이들 VaR의 포함확률을 계산하여 병목수준에 얼마나 근접하는지를 알아봄으로써 변환-역변환 방법과 변환을 적용하지 않는 방법의 결과를 비교해 본다.

• Journal of the Korean Data and Information Science Society
• /
• 제19권4호
• /
• pp.1027-1036
• /
• 2008

Value at Risk(VaR) is a fundamental tool for managing market risks. It measures the worst loss to be expected of a portfolio over a given time horizon under normal market conditions at a given confidence level. Calculation of VaR frequently involves estimating the volatility of return processes and quantiles of standardized returns. In this paper, we introduced and applied the CreditMetrics model to estimate the credit VaR of Korean Property and Casuality insurers.

• 응용통계연구
• /
• 제26권1호
• /
• pp.163-185
• /
• 2013

본 논문에서는 장기기억 변동성 모형의 필요성을 Value-at-Risk(VaR) 추정의 관점에서 알아본다. 이를 위해, KOSPI 수익률의 VaR을 FIGARCH, FIEGACH와 같은 장기기억 변동성 모형과 GARCH, EGARCH와 같은 단기기억 변동성 모형을 적용하여 각각 추정한 후, 각 변동성 모형에 따른 추정의 적절성을 사후검증을 통하여 비교해 본다. 사후검증을 통해, KOSPI 수익률 과정이 장기기억 속성을 가짐을 확인할 수 있으며, 적절한 VaR의 추정을 위해서는 장기기억 변동성 모형을 적용하는 것이 필요함을 알 수 있다.

• 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.