• 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.

• Communications for Statistical Applications and Methods
• /
• 제16권5호
• /
• pp.791-801
• /
• 2009

VaR(Value-at-Risk)는 시장위험을 측정하기 위한 중요한 도구로 사용되고 있다. 그러나 적절한 VaR 모형의 선택에는 논란의 여지가 많다. 본 논문에서는 특정 모형을 선택하여 VaR 예측값을 구하는 대신 대표적으로 많이 사용되는 두개의 VaR 모형인 역사적 모의실험과 GARCH 모형의 예측값들을 서포트벡터기계 분위수 회귀모형을 이용하여 결합하는 방법을 제안한다.

• 경영과학
• /
• 제30권3호
• /
• pp.55-70
• /
• 2013

In this study we suggested two optimization models to determine conversion weight of convertible bonds. The problem of this study is same as that of Park and Shim [1]. But this study used Value-at-Risk (VaR) for risk measurement instead of CVaR, Conditional-Value-at-Risk. In comparison with conventional Markowitz portfolio models, which use the variance of return, our models used VaR. In 1996, Basel Committee on Banking Supervision recommended VaR for portfolio risk measurement. But there are difficulties in solving optimization models including VaR. Benati and Rizzi [5] proved NP-hardness of general portfolio optimization problems including VaR. We adopted their approach. But we developed efficient algorithms with time complexity O(nlogn) or less for our models. We applied examples of our models to the convertible bond issued by a semiconductor company Hynix.

• 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.

• Journal of the Korean Data and Information Science Society
• /
• 제27권6호
• /
• pp.1453-1463
• /
• 2016

가장 선호하는 금융위험 측정 방법은 통계적으로 최대손실금액을 추정하는 VaR (Value at Risk)이다. 포트폴리오를 구성하는 여러 산업에 대한 VaR (Value at Risk)는 분산공분산 행렬과 특정한 포트폴리오가 포함되어 변환된 일변량 위험을 이용하여 추정한다. Hong 등 (2016)은 다변량 분위벡터를 바탕으로 Vector at Risk를 정의하였으며, 특정한 포트폴리오가 설정되면 Vector at Risk 중의 한 점을 최적의 VaR 즉, 대안적인 VaR (AVaR)로 제안하였다. 본 연구에서는 다변량 정규분포에 대하여 AVaR의 특성을 탐색한다. 여러 종류의 분산공분산 행렬과 다양한 포트폴리오 가중값 벡터인 경우의 이변량과 삼변량의 정규분포를 따르는 모의실험 자료와 실증예제를 이용하여 대안적인 최대손실금액인 AVaR을 구하고 VaR과 비교 분석한다. 다변량 분위벡터를 이용한 AVaR는 VaR보다 작게 추정함을 발견하였으며, 이런 특징과 함께 AVaR의 특성을 토론한다.

• 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.

• 지능정보연구
• /
• 제8권1호
• /
• pp.1-13
• /
• 2002

비상장기업이나 신규상장기업의 경우 주식거래량과 거래가격이 없거나 불충분하므로 최근 활발히 연구되고 있는 VaR(Value-at-Risk)를 파악하지 못한다. 본 연구에서는 비상장기업 및 신규상장기업의 미래 가격위험의 척도인 VaR를 추정하는 방법론을 제시하고, 이를 시스템(VAS-CBR)으로 구현하였다. 구체적으로는 사례기반추론(Case Based Reasoning: CBR) 기법을 이용하여 기존의 상장회사들 중에서 신규 및 비상장기업과 유사한 재무적, 비재무적 특성을 갖는 상장기업을 찾아내고, 유사기업의 VaR를 근거로 신규 및 비상장기업의 VaR를 간접적으로 추정하였다. 또한 개발 시스템의 예측력 제고를 위한 운용방안 및 시스템의 예측력을 실험을 통하여 밝혔다.

• 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.

• 경영과학
• /
• 제28권2호
• /
• pp.1-16
• /
• 2011

In this study we suggested two optimization models to answer a question from an investor standpoint : how many convertible bonds should one convert, and how many keep? One model minimizes certain risk to the minimum required expected return, the other maximizes the expected return subject to the maximum acceptable risk. In comparison with Markowitz portfolio models, which use the variance of return, our models used Conditional Value-at-Risk(CVaR) for risk measurement. As a coherent measurement, CVaR overcomes the shortcomings of Value-at-Risk(VaR). But there are still difficulties in solving CVaR including optimization models. For this reason, we adopted Rockafellar and Uryasev's[18, 19] approach. Then we could approximate the models as linear programming problems with scenarios. We also suggested to extend the models with credit risk, and applied examples of our models to Hynix 207CB, a convertible bond issued by the global semiconductor company Hynix.