• 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.

• 응용통계연구
• /
• 제26권3호
• /
• pp.483-494
• /
• 2013

국제적인 금융위기가 연달아 발생하면서, 금융리스크관리의 중요성이 어느 때보다 더 커지고 있다. 금융리스크관리의 주요 현안 가운데 하나는 리스크를 어떻게 측정할 것인가이며, 가장 널리 사용되고 있는 방법이 Value at Risk(VaR)이다. 금융자료가 최근 시장에서처럼 두꺼운 꼬리를 갖는 분포를 보일 때, 우리는 극단치 이론을 이용하여 VaR를 측정하는 방법을 고려할 수 있다. 이 논문에서는 꼬리가 매우 두꺼운 분포를 갖는 자료를 적합시킬 때 많이 사용되는 Peaks over Threshold(POT)를 이용하여 VaR를 측정하는 방법을 연구하였다. POT를 이용하기 위해서는 우선 일반화 파레토 분포(GPD)의 모수를 추정해야 하는데, 여기서 우리는 KOSPI 5분 자료를 이용하여 추정된 VaR의 성능을 살펴봄으로써 세 가지 다른 모수추정 방법을 비교하였다. 또한, Normal Inverse Gaussian(NIG) 분포에서 자료를 생성하여 두 가지 다른 모수추정 방법을 비교하기도 하였다. 이러한 비교를 통하여 KOSPI 수익률 자료의 첨도가 매우 큰 경우에는 최근 제안된 모수추정 방법들이 최대가능도 추정법에 비해 월등히 나은 성능을 보임을 알 수 있었고, 모의실험 자료에서도 같은 결과를 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제16권3호
• /
• pp.567-580
• /
• 2005

It is usually assumed that asset returns in the stock market are normally distributed. However, analyses of real data show that the distribution tends to be skewed and to have heavier tails than those of the normal distribution. In this paper, we investigate the method of estimating the value at risk(VaR) of stock returns. The VaR is computed by using the transformation and back-transformation method. The analysis of KOSPI and KOSDAQ data shows that the proposed estimation outperformed that under the normal assumption.

• 응용통계연구
• /
• 제25권1호
• /
• pp.29-43
• /
• 2012

주식, 환율 등과 같은 금융자료의 수익률의 분포는 정규분포에 비해 꼬리가 두껍고, 좌우 비대칭성을 보인다. 조건부수익률이 정규분포를 따른다고 가정한 GARCH 모형을 이용하여 VaR을 추정하였을 때, 이러한 비정규성 때문에 적절한 추정이 이루어지지 않고, VaR을 초과하는 손실의 발생과정에 군집(clustering)현상이 발생하는 문제점이 있다. 이러한 문제를 해결하기 위해, 본 논문에서는 조건부수익률의 분포로 unbounded Johnson 분포를 이용한 GARCH 모형을 이용하여 VaR을 추정한다. 또한, 조건부수익률이 각각 정규분포, Student-t 분포를 따르는 GARCH 모형의 경우와 비교하였다. 초과손실 발생과정 자료를 이용하여 실패율검정과 군집성검정을 통해 조건부수익률 분포로 unbounded-Johnson 분포를 사용하는 방법의 타당성을 살펴보았다. Unbounded Johnson 분포가 조건부수익률 분포로 주어지는 GARCH 모형의 경우는 과소, 과대추정을 하지 않고, 군집현상 또한 발생하지 않아 적절한 추정을 하고 있음을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권6호
• /
• pp.1263-1274
• /
• 2013

VaR (value at risk)는 주어진 신뢰수준에서 일정기간 동안 발생할 수 있는 최대손실의 기대치를 나타내는 것으로, 현재 금융기관들의 대표적인 위험관리 수단으로 사용되고 있다. 기존의 대다수 연구에서는 수익률의 확률분포를 정규분포라 모형화한 후 VaR을 측정한다. 최근 Chen 등 (2012)은 수익률의 확률분포를 비대칭 라플라스 분포라 모형화하고 VaR을 측정하였기도 하였으나, 비대칭 라플라스 분포의 경우 그 모양을 결정하는 최빈값, 비대칭 정도, 분산정도 등을 실제적인 환경에서 제한된 개수의 데이터를 가지고 추정하기가 매우 어렵다는 단점이 있다. 이 논문에서, 우리는 (대칭) 라플라스 분포 모형이 정규분포 모형이나 비대칭 라플라스 분포 모형보다 실제적인 환경에서 VaR을 보다 더 정확히 추정해 줌을 주식시장의 실제 데이터와 VaR 초과비율, 기대초과손실, VaR초과편차율 등의 통계지표를 도입하여 입증한다.

• 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.

• 응용통계연구
• /
• 제23권4호
• /
• pp.669-681
• /
• 2010

Value-at-Risk(VaR) is an important part of risk management in the financial industry. This paper present a VaR forecasting for financial time series based on the quantile regression for GARCH models recently developed by Lee and Noh (2009). The proposed VaR forecasting features the direct conditional quantile estimation for GARCH models that is well connected with the model parameters. Empirical performance is measured by several backtesting procedures, and is reported in comparison with existing methods using sample quantiles.

• 재무관리연구
• /
• 제23권2호
• /
• pp.189-208
• /
• 2006

대부분의 국내 선행연구들은 이분산성은 GARCH모형으로, 꼬리위험은 EVT모형으로 따로 고려하였다. 이 경우 이분산성 및 꼬리의 두꺼움을 동시에 고려하지 못한 VaR값은 실제 위험량을 적절히 반영하지 못할 가능성이 있다. 따라서 본 연구에서는 이분산성 및 꼬리의 두꺼움을 고려할 수 있는 GARCH-EVT모형이 정규분포를 가정한 VaR와 이분산성을 가정한 VaR보다 높은 성과를 나타내는지 살펴보았다. 연구결과를 요약하면 다음과 같다. 첫째, 주식수익률은 정규분포보다는 꼬리부분이 두꺼운 형태를 보이고, 이분산성을 가진다. 이 경우 정규분포하에서 산출된 VaR는 실제 손실금액을 과소평가할 위험성이 있어 이분산성과 꼬리의 두꺼움을 감안할 수 있는 모형의 도입이 필요함을 알 수 있다. 둘째, 이분산성과 꼬리의 두꺼움을 고려한 GARCH-EVT모형하에서의 VaR는 정규분포를 가정한 VaR와 이분산성을 가정한 VaR보다 높은 성과를 보였다. 셋째, 이분산성 및 꼬리의 두꺼움을 고려한 GARCH-EVT모형하에서의 ES는 정규분포를 가정한 VaR와 이분산성을 가정한 VaR보다 높은 성과를 일관되게 보여주지 않았다. 결론적으로 이분산성과 꼬리의 두꺼움을 동시에 반영한 GARCH-EVT모형하에서 VaR가 금융기관의 위험관리의 유용한 도구가 될 수 있는 가능성을 발견하였다. 비록 상대적으로 높은 성과를 보이지는 않지만 ES는 VaR함께 위험척도로 같이 사용할 때 보수적인 위험관리 차원에 부합될 것이다.

• 응용통계연구
• /
• 제19권3호
• /
• pp.481-504
• /
• 2006

금융위험의 측정 및 관리를 위한 도구로서 분포의 꼬리 부분과 관련한 위험척도로 VaR가 현재 널리 활용되고 있다. 특히 VaR의 정확한 추정을 위해 정규분포를 가정한 기존의 방법보다는 극단치이론을 이용한 방법이 최근 관심을 끌고 있다. 지금까지 극단치이론을 이용한VaR의 추정에 관한 연구는 대부분 단변량의 경우에 대해 이루어졌다. 본 논문에서는 코퓰러를 극단치이론에 결부시켜 다변량 극단치분포를 모형화하여 포트폴리오 위험측정을 다루고 있다. 특히 본 연구에서는 포트폴리오 위험 척도로 VaR와 더불어 ES에 대한 추정 방법도 함께 논의하였다. 포트폴리오 위험측정을 위한 방법으로 본 논문에서 논의한 코퓰러-극단치이론에 의한 접근방법이 기존의 분산-공분산 방법보다 상대적으로 우수한지를 실증자료에 대한 사후검증을 통해 살펴보았다.