ISSN 2083-8611 Nr 221 · 2015 Współczesne Finanse 1
Daniel Iskra
Uniwersytet Ekonomiczny w Katowicach Wydział Finansów i Ubezpieczeń Katedra Matematyki Stosowanej daniel.iskra@ue.katowice.pl
WARTOŚĆ ZAGROŻONA PORTFELA
INWESTYCYJNEGO SZACOWANA NA PODSTAWIE DANYCH WYSOKIEJ CZĘSTOTLIWOŚCI −
BADANIA EMPIRYCZNE
Streszczenie: W opracowaniu zaprezentowano wyniki szacowania wartości zagrożonej spółek oraz optymalnych portfeli inwestycyjnych. Badania przeprowadzono na minuto- wych notowaniach spółek wchodzących w skład indeksu S&P100. W symulacjach uwzględniono dwa podejścia konstrukcji empirycznych rozkładów logarytmicznej stopy zwrotu użytych do wyznaczania wartości zagrożonej. W pierwszym z nich rozpatrywany szereg zawierał kolejne notowania cen akcji. W podejściu drugim w konstrukcji rozkła- dów empirycznych dokonano podziału dni na części i wyznaczano rozkład na podstawie danych z wybranych części dnia sesyjnego (np. z jednej godziny) z kilku, kilkunastu dni.
W wyniku przeprowadzonych badań wykazano, iż w pewnych przypadkach (użyte po- dejście, zakres parametrów) zgodność oszacowanej wartości zagrożonej z realnymi stra- tami była wysoka.
Słowa kluczowe: wartość zagrożona, optymalny portfel inwestycyjny, dane wysokiej czę- stotliwości.
Wprowadzenie
W naukach ekonomicznych zarządzanie ryzykiem przedsięwzięć inwesty- cyjnych stanowi ważny aspekt. Każdy element zarządzania ryzykiem, zaczyna- jąc od rozpoznania zagrożenia, poprzez jego kwantyfikację, a na optymalizacji i monitoringu kończąc, ma duże znaczenie. Z tego też powodu wraz z upływem czasu powstawało coraz więcej miar pozwalających na kwantyfikację ryzyka inwestycyjnego. Jedną z nich, użytą w niniejszym opracowaniu, jest wartość za-
Tadeusz Czernik
Uniwersytet Ekonomiczny w Katowicach Wydział Finansów i Ubezpieczeń Katedra Matematyki Stosowanej tadeusz.czernik@ue.katowice.pl
Wartość zagrożona portfela inwestycyjnego… 33
grożona, która stała się popularna pod koniec ubiegłego wieku. W dużej mierze do jej popularyzacji przyczynił się Bank JP Morgan, publikując metodologię za- rządzania ryzykiem RiskMetrics.
Wartość zagrożona (Value at Risk, VaR) dla ustalonego prawdopodobień- stwa α (poziom tolerancji VaR) i ustalonego horyzontu t jest zdefiniowana na- stępująco [Wilmott, 2006]:
P S
(
0−St ≥VaR( )
α,t)
=α, (1) gdzie S0, St jest odpowiednio wartością początkową i końcową procesu ceny in- strumentu finansowego.Innymi słowy wartość zagrożona jest to taka strata wartości rynkowej, że prawdopodobieństwo jej osiągnięcia lub przekroczenia dla ustalonego przedziału czasu jest równe zadanemu poziomowi tolerancji [Jorion, 2001; Holton, 2003;
Iskra, 2011].
W literaturze przedmiotu [Jorion, 2001; Holton, 2003; Alexander, 2008]
można znaleźć kilka podejść wyznaczania wartości zagrożonej, a dokładniej kil- ka podejść do aproksymacji rozkładu prawdopodobieństwa rozważanej wielko- ści, za pomocą którego szacuje się wartość zagrożoną. Można przyjąć między innymi wprost rozkład teoretyczny badanej cechy, wykorzystać symulacje Mon- te Carlo czy też symulacje historyczne. Dokładność oszacowanej wartości za- grożonej jest tym większa, im aproksymowany rozkład badanej cechy dokład- niej odzwierciedla rozkład rzeczywisty tej wielkości.
Tematyka pomiaru ryzyka inwestycyjnego na podstawie danych wysokiej częstotliwości jest bardzo popularna zarówno wśród naukowców, jak i prakty- ków [Huang, 2013; So, 2013].
Celem przeprowadzonych badań było wyznaczanie wartości zagrożonej in- strumentów finansowych na podstawie szeregów o wysokiej częstotliwości (mi- nutowe notowania cen akcji). Wartość zagrożoną szacowano z empirycznych rozkładów logarytmicznych stóp zwrotu akcji (symulacje historyczne). Kolej- nym krokiem była optymalizacja portfela inwestycyjnego (dwuskładnikowego) ze względu na wartość zagrożoną.
W wyniku przeprowadzonych badań wykazano, iż w pewnych przypadkach (użyte podejście, zakres parametrów) zgodność oszacowanej wartości zagrożo- nej z realnymi stratami była wysoka.
1
ż w a n ł s u
( w c ś m d
j m
R Ź
1. W
żon wch a ko nie ło 9 spo usp
(„sy wyż cji ( ści min dów
jedn min
Rys.
Źród
Wa W nej d
hod ońc wy 97%
sób raw W ymu ższe (po
roz nuto w, ta W nak nuto
. 1. H dło: O
arto W ba dla dząc cem ystąp
% n b w wnił Wart ulac ego
mij zkła owy akic W pr
k typ owy
Hist Opra
ość ada sze cych m 20
ąpiło noto wszy
ło o tość cje o po jam adów ych
ch j rzyp
pow ych
togra cowa
za ania ereg h w 011 o, lu owa
ystk obli ć za
his odej my w
w).
stó ak:
pad we.
log
am l anie
gro ach
gu w sk rok ukę ań w
kie cze agro stor
jści w te
Dr óp z
no dku M gary
loga wła
ożo sza not kład ku.
ę uz w s sp enia ożo rycz ia p ej m rugi
zwr orm
dan ożn ytm
arytm sne.
ona acow
tow d ind
Jeż zupe szer
ółk a zw oną zne”
przy meto
i as rotu alny nyc na t micz
micz
a ak wan wań
dek żeli ełni rega ki p włas wy
”) l yczy odz spek u m y, t ch o to z znyc
znej
kcji no, mi ksu w d iano ach posi szcz yzn loga ynił zie e
kt p możn
-stu o wy zauw
ch s
stop
i − a n inut S&
dan o no
wy iada za w nacz
aryt ły s
esty pole
na uden
yso waż stóp
py z
wy nast tow
&P1 nym
oto ystę ały w pr
zan tmi się d
yma egał apr nta okiej żyć p zw
zwro
ynik tępn wych 00 m in wan ępo
w rzy no n
iczn dwa ację ł na roks czy ej cz ć na wro
otu s
ki b nie h. D
not nstru niem wał
ka ypad na nych a as ę pa a sp sym y C zęst a po otu w
spółk
bad tes Do tow ume m z ło w ażdy dku
pod h s spek aram praw mow Cauc totl oniż w p
ki IB
dań stow bad wany enc z m w o ym u po dsta stóp
kty.
met wdz wać chy iwo żej przy
BM
ń em wan
dań ych cie d minu
ods dn ortfe awi p zw
. Pi trów zen
za y’eg
ości prz ypad
mp no z ń do h po
dla uty p
tęp niu ela ie r wro ierw w m iu,
po go.
i ro zed dku
piry zgo obra omi
jak pop ach tyl inw rozk otu wszy mod
czy omo
ozkł staw u sp
ycz odno
ano iędz kiejś prze h m le west
kład akc y to delu
y ro ocą
łady wio półk
zny ość o lo zy p ś m edn minu
sam tycy dów cji.
o br u or
ozkł wy
y st onyc ki IB ch
wa osow
poc minu
iej utow mo
yjne w e
Do rak az t łady ybra
óp ch BM
arto wo zątk uty
(śre wyc
no ego emp o w par test y em any
zwr hist M.
ości 50 kiem
not edn ch).
tow o.
piry wybo
ram ty z mp ych
rotu tog
i za sp m 2 tow nio o
W wań
yczn oru metr zgod
iryc roz
u ni gram
agro ółe 200 wani oko W te
, c
nyc u po
ryza dno czn zkła
ie s mac o- ek 00 ie o- en co
ch o- a- o- ne
a-
są h
z z i r t n
w
R Ź
w o
b t
d z J 2 zost zero inne row traln nyc
w p
Rys.
Źród
war odg
ba a teor
dan zwi Jak 200
Z tały owe ej u wych nej ch sp
N pierw
. 2. H dło: O
Ja rtoś górn O apro rety
W ne o
ięks zaz 00 a
rys ych e, k usta h. S czę pół Na r
wsz
Hist Opra
ak m ści.
nie w pis oks yczn W ba o dłu szaj zna a ko
sun wa któr alon Stan ęśc łkac
rysu zym
togra cowa
moż Wy wie ana sym nym ada ugo jąc aczo ońce
nku aria rych nej
n ta i. G ch w unk m dn
am l anie
żna ynik elko a po macj m ni ania ości za ono
em wy antó h ilo
wa aki Gen wyn ku
niu
loga wła
a za ka t ości owy ji ro ie p ach i od każ wc 20
Wa
ynik ów.
ość artoś
prz nera nosi 2 p
ana
arytm sne.
auw to z i.
yżej ozk przy roz d 60 żdym cześ
11 r Warto
ka, ż Do ć jes ści) zycz alnie ił w prz aliz
micz
waży z fa
j sy kład ynio zpat 0 da m r śnie rok
ość z
że i o ta st is ). D zyn
e śr w pr
eds zow
znej
yć, aktu
ytua du e osła trzo anyc raze ej, n ku, z
zagr
iloś akie stot Dla nia s
redn rzyb staw wane
stop
sto u, iż
acja emp a po ono ch ( em noto z go
rożo
ść s ego tnie spó się ni o bliż wion
ego
py z
opy ż zm
a pr piry ozyt o bo (1 g sze owa odz
ona
stóp o sta
e w ółki do ods żeni no ok
zwro
zw mian
awd yczn tyw owi
god ereg ania zin o
por
p bl anu ięk i IB
nie etek iu 2
his kres
otu s
wrot ny
dop neg wneg
em dzin g o a po od
rtfe
iski u rz ksza BM
etry k w 25%
stog u (3
spółk
tu s cen
pod o w go e sz na) d
60 och 10.0
la in
ich zecz a od zao ywia wyst
%.
gram 360
ki IB
sku n są
obn wyb
efek ereg do
dan hodz 00
nwe
zer zy p d ze
obs alne
tęp
m 0 no
BM
upia ą wi
nie bran
ktu gi c 720 nyc ziły do
estyc
ru j prz era serw
ej p ow
z n otow
(360
ają ielo
prz nym . cza 00 d
h (d y z o 16.
cyjn
jest zycz
(cz wow post
ani
not wań
0 no
się okro
zycz mi p
asow dan dan okre
00.
nego
t zn zyn zy te wan
taci a st
ow ń).
otow
wo otno
zyn prze
we nych ne z
esu . W
o…
nacz iają eż o no o
i ro tóp
wań
wań)
okó ośc
nia s ez a
zaw h (1 z do u po Wszy
znie ą si od oko zkł ze
za
ół n ią p
się auto
wier 120 odat omię
ystk e w
ię w stó oło
ładu row
aobs
niew pew
do orów
rają go tkow ędz kich
ięk wła p o 14%
u w wyc
serw
wiel wnej
fak w r
ące dzi wej zy p h no
sza śnie o do
% s w jeg
ch w
wow
lkie j us
ktu, rozk
mi in, 2 j go pocz otow
a od e st owo stóp go w b
wan
ej il stal
iż kład
inut 20 d odzi
zątk wań
3
d po top olni p ze cen bada
nyc
lośc lone
pró dam
tow dni) iny) kiem ń by
5
o- py
ie e- n- a-
h
ci ej
ó- mi
we ), ).
m y-
ło około jednego miliona w każdej spółce. Rozpatrywanie dłuższych okresów niż 20 dni jest niewskazane ze względu na przestarzałe informacje niesione przez najstarsze dane. Należy także zaznaczyć, że wybrane okresy (każdy przy- padek), np. 60-minutowe, nie miały części wspólnych, tzn. okno z danymi nie było przesuwane o jedną daną, tylko o cały blok 60 danych, natomiast w przy- padku okresów najdłuższych każdorazowo o 7200 danych.
Do weryfikacji jakości aproksymacji wykorzystano test Kołmogorowa- -Smirnowa (Kołmogorowa) [Wywiał, 2004]. Hipoteza zerowa w tym teście za- kłada brak istotnych różnic pomiędzy rozkładem empirycznym a założonym rozkładem teoretycznym. Jeżeli parametry rozkładu teoretycznego są znane, dystrybuanta statystyki jest wyznaczona analitycznie. W przypadku gdy parame- try rozkładu teoretycznego są estymowane na podstawie próby, do której rozkład ten jest dopasowywany, należy wyznaczyć poprawkę polegającą na oszacowaniu rozkładu statystyki metodą symulacyjną i skorygowaniu wartości krytycznych (w tym przypadku rozkład statystyki będzie bardziej skoncentrowany). Dla rozkładu normalnego powyższy test z naniesioną poprawką nosi nazwę testu Lillieforsa (Kołmogorowa-Lillieforsa) [Wywiał, 2004]. W przypadku rozkładu t-studenta i Cauchy’ego rozkład statystyki testu Kołmogorowa-Smirnowa wyznaczano symu- lacyjnie (symulacje Monte Carlo) na podstawie wygenerowanych 5000 realizacji.
W przypadku rozkładu normalnego tylko nieliczne spółki wykazują popraw- ną aproksymację w co najmniej 20% przypadków, a dla żadnej spółki odsetek ten nie przekracza 60%. Średni odsetek przypadków z poprawną (co do testów zgod- ności) aproksymacją za pomocą rozkładu normalnego wynosi 16%, a odchylenie standardowe 12%. Należy także pamiętać, że w przypadku próbek mało licznych (60 danych) wyniki charakteryzują się mniejszą wiarygodnością. Użycie rozkładu t-studenta oraz rozkładu Cauchy’ego do aproksymacji rozkładu empirycznego da- je gorsze wyniki niż w przypadku rozkładu normalnego, a jest przy tym znacznie bardziej czasochłonne obliczeniowo ze względu na konieczną do wprowadzenia poprawkę (typu Lillieforsa) w teście Kołmogorowa-Smirnowa.
Reasumując, istotna ilość stóp zerowych oraz nietrywialna postać rozkładu może się przełożyć na małą ilość przypadków poprawnej aproksymacji danych empirycznych wybranymi (typowymi) rozkładami teoretycznymi. Z drugiej strony użycie bardziej złożonych rozkładów (np. mieszaniny kilku rozkładów) czy też procesów stochastycznych do opisu dynamiki ceny, o większej ilości pa- rametrów, oznacza zwiększenie czasochłonności procedury estymacji, a zarazem procedury testowania (co może stanowić problem w przypadku prognoz VaR dla krótkich horyzontów). Opisane wnioski przyczyniły się do wyboru przez auto- rów symulacji historycznej do szacowania wartości zagrożonej.
p z g z p d k g ( k
R Ź
z w d p s z pam z 1, groż z po prze dzin kład groż (ws kow
Rys.
Źród
zały wzg dan przy staw zgo
W mi z , 2, żon ozio eds nach du
żon szys wały
. 3.
z dło: O
Ja y z ględ nych ypa wie odno
W da zwr 3, nej ome
taw h), emp nej
stki y zg
Ods z po Opra
ak w god du n h te adki no ość
alsz rotu
… na em wion
z k piry z p ch god
setek oziom
cowa
wid dno na z esty i, w otow w o
zej c u o ,12 po isto no w któr ycz poz był dnoś
k spó mem anie
dać ość zmi y w w kt wań oko
czę dłu 20 g
dsta otn w p reg zneg
iom ło 5 ść p
ółek m tol wła
na wa ianę wart
tóry ń z
oło Wa
ęści ugo godz
awi ośc post o lo go, mem
50), prog
k wy leran sne.
pow arto
ę il tośc ych 40 80%
Warto
na ości zin) ie s ci 0.
taci oga
a n m to w gno
ykazu ncji α
wyż ści lośc ci z h em
go
%.
ość z
pod i 60 ) zw sym
.05 wy aryt nast oler któ oz z
ującα =
ższy za ci d zagr mpir odzi
zagr
dsta 0, 1 wer mula [C ykre tmic tępn ranc óryc z rze
ych 0.05
ym agro dany rożo ryc in l
rożo
awi 120 ryfik acji
am esu czn nie cji ch t eczy
zgo 5
wy ożon ych
one czne lub
ona
ie s 0, 1 kow hi mpbe
u. N ne s do 0.0 test ywi
odno
ykre nej w ej n e ro z j
por
zer 80, wan stor ell, Na o stop os 05.
ty w isty
ość (
esie z roz nie ozkł
jesz rtfe
regó , … no p rycz 200 osi O py z
zac Na wart ymi
(co d
e, o rea zkła wy łady zcze
la in
ów
… , pop
zne 05]
OX zwr cow a os tośc
str
do te
odse alny adac ykaz y st e dł
nwe
cza 72 praw
ej. W . D zaz rotu wani si O
ci z ratam
estu
etek ymi ch zują tóp łużs
estyc
asow 200 wno W t Dla l zna u po
ia j OY zagr mi.
Kup
k sp i st emp ą z zw szy
cyjn
wyc da ość tym leps aczo osłu edn zaz rożo
pca)
półe trata
piry zgod wrot ych
nego
ch z anyc osz m ce
szej ono uży nom
zna one
min
ek, w ami ycz dno tu k
int o…
z lo ch zaco
elu j pr o int ły d minu aczo ej p
nuto
w k i, n znyc ości
kon terw
ogar (od owa uż rzej terw do utow ono
ozy
owej
któr nie
ch.
i. D nstru wałó
rytm dpow
anej żyto
rzy wał kon wej o od
ytyw
war
rych jes Dla Dop
uow ów,
micz wie j w o te ysto cza nstr j wa dset wni
rtośc
h te st s a m piero wan
wy zny edni warto
stu ści asu ruk arto tek ie z
ci za
esty tab małe o n no n yka
ymi io d ości Ku wy u (w cji ości
sp zwer
agro
y wy ilny ej il niek na p azyw
3
sto dan i za upc ynik w go roz i za ółe ryfi
ożone
yka y z lośc któr
pod wał
7
o- ne
a- ca
ki o- z- a- ek fi-
ej
a- ze
ci re d- ły
W przypadkach, w których empiryczne rozkłady stóp zwrotu zawierały od- powiednio dane z 6, 12, 18, … , 60, 66, 72, … ,112, 120 godzin (szeregi zwięk- szane o dane z sześciu dodatkowych godzin, przy czym początek tych szeregów zawsze był pierwszym notowaniem danego dnia), dla przypomnienia notowania obserwowano pomiędzy godziną 10.00 a 16.00 w każdym dniu, odsetek spółek z pozytywnie zweryfikowanymi prognozami wartości zagrożonej był minimal- ny, a właściwie w większości przypadków zerowy. Sytuacja taka jest spowodo- wana prawdopodobnie „efektem dnia następnego” (nazwa na użytek opracowa- nia), tzn. w tych przypadkach prognozowano wartość zagrożoną na kolejną minutę, z tym że kolejna minuta oznaczała już pierwsze notowanie dnia następ- nego. Dołączając do rozkładu dane z pierwszej godziny dnia następnego, wyniki znacznie się poprawiały (odsetek spółek z pozytywnie zweryfikowaną wartością zagrożoną, co do testów zgodności, wynosił około 80%), jednak wraz ze stopa- mi z kolejnych godzin odsetki te malały, po czym znów rosły, żeby ostatecznie spaść prawie do zera po dołączeniu do szeregu danych z całego kolejnego dnia (czyli do przypadku prognozy VaR na pierwsze notowanie kolejnego dnia).
Powyższe wyniki dotyczyły porównania wartości zagrożonej z realnymi stratami w następnym notowaniu. Jednak w przypadku rozkładów empirycznych konstruowanych z większej ilości danych nie powinna zachodzić potrzeba wy- znaczenia wartości zagrożonej wraz z każdą nową obserwacją. Kilka czy też kilkanaście nowych danych nie ma istotnego wpływu na postać rozkładu skon- struowanego np. z 1000 czy większej ilości danych. W przeprowadzonych sy- mulacjach utrzymywano prognozę jednominutowej wartości zagrożonej przez kolejne 60 minut. Wartość zagrożona była zawsze szacowana dla horyzontu jed- nominutowego, natomiast prognoza ta nie była zmieniana przez kolejne 60 mi- nut. Na poniższych wykresach przedstawiono odsetek spółek, w których testy wartości zagrożonej pozytywnie zweryfikowały zgodność prognozy VaR ze zre- alizowaną jednominutową stopą zwrotu obliczoną odpowiednio po 5, 10, 30 i 60 minutach od oszacowania wartości zagrożonej oraz na poziomie tolerancji rów- nym 0.05. Na potrzeby opracowania w opisach wykresów do przytoczonych przypadków zostanie użyta nazwa „opóźnienie”, tzn. opóźnienie 5 minut ozna- cza wyniki w przypadku testów wartości zagrożonej w stosunku do zrealizowa- nej stopy zwrotu po pięciu minutach od momentu wyznaczenia VaR.
Wartość zagrożona portfela inwestycyjnego… 39
Rys. 4. Wyniki zgodności szacowanej jednominutowej wartości zagrożonej z poziomem tolerancji α = 0.05 i zrealizowaną jednominutową stopą zaobserwowaną po 5 i 10 minutach od momentu wyznaczenia VaR
Źródło: Opracowanie własne.
Rys. 5. Wyniki zgodności szacowanej minutowej wartości zagrożonej z poziomem tolerancji α = 0.05 w odniesieniu do zrealizowanej jednominutowej stopy zwrotu zaobserwowanej odpowiednio po 30 i 60 minutach od momentu wyznaczenia VaR
Źródło: Opracowanie własne.
Można zauważyć, że opisana wcześniej relacja pomiędzy zgodnością pro- gnozy wartości zagrożonej a ilością danych użytych do konstrukcji rozkładu empirycznego zachodzi także w tych przypadkach. Na wykresach widać także, iż w niektórych przypadkach zgodność prognoz wartości zagrożonej poprawia się wraz z przesunięciem/opóźnieniem zrealizowanej stopy zwrotu w stosunku do momentu, w którym szacowano jednominutową wartość zagrożoną. Opisane relacje mogą sugerować pewną bezwładność układu (inwestorzy asymilują in- formację).
Innym podejściem do konstrukcji rozkładów empirycznych jest podział dni na części i konstrukcja rozkładu na podstawie danych z pewnego zakresu cza- sowego (np. tylko z jednej i tej samej godziny) z kilku, kilkunastu dni. Dlatego też obecnie dni podzielono na sześć części o długości godziny każda (w każdym dniu notowania obserwowano w ciągu sześciu godzin sesyjnych). Stąd też np.
6 18 30 42 54 66 78 90 102 114
0 0.2 0.4 0.6 0.8 1
interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
odsetek spółek
Wyniki symulacji
Wartość zagrożona (horyzont - 30 minut, poziom tolerancji 0.05)
6 18 30 42 54 66 78 90 102 114
0 0.2 0.4 0.6 0.8 1
interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
odsetek spółek
Wyniki symulacji
Wartość zagrożona (horyzont - 60 minut, poziom tolerancji 0.05)
(opóźnienie (opóźnienie
6 18 30 42 54 66 78 90 102 114
0 0.2 0.4 0.6 0.8 1
interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
odsetek spółek
Wyniki symulacji
Wartość zagrożona (horyzont - 5 minut, poziom tolerancji 0.05)
6 18 30 42 54 66 78 90 102 114
0 0.2 0.4 0.6 0.8 1
interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
odsetek spółek
Wyniki symulacji
Wartość zagrożona (horyzont - 10 minut, poziom tolerancji 0.05)
(opóźnienie Wyniki symulacji (opóźnienie
Wartość zagrożona (opóźnienie 5 minut, poziom tolerancji 0.05)
Wyniki symulacji
Wartość zagrożona (opóźnienie 10 minut, poziom tolerancji 0.05)
Wyniki symulacji
Wartość zagrożona (opóźnienie 30 minut, poziom tolerancji 0.05)
Wyniki symulacji
Wartość zagrożona (opóźnienie 60 minut, poziom tolerancji 0.05)
szereg danych, z których konstruowano rozkład empiryczny, składał się z loga- rytmicznych stóp zwrotu obserwowanych w ciągu kilku dni pomiędzy godziną 10.00 a 11.00 lub 11.00 a 12.00 itd.
Po podziale otrzymano sześć szeregów z notowaniami, co przekłada się na 15 możliwych par szeregów. Dla każdej pary przeprowadzono testy zgodności rozkładów (dla zwiększenia wiarygodności wyników przyjęto obecnie poziom istotności równy 0.01) testem Kołmogorowa-Smirnowa dla dwóch prób z popu- lacji. Co najmniej w trzynastu parach dla każdej spółki zaobserwowano istotne różnice pomiędzy rozkładami. Można zatem stwierdzić, że w każdej godzinie dane pochodzą z innego rozkładu. Otrzymane wyniki dotyczą całego badanego okresu.
W przypadku krótszych szeregów z danymi sytuacja nie jest już tak kla- rowna. Badania wykazały, że im krótszy szereg, tym opisywane różnice (pomię- dzy rozkładami) są mniej widoczne. Dla szeregów zawierających 7200 danych istotne różnice zaobserwowano średnio w około 10 parach (na 15 możliwych), dla szeregów o długości 1800 danych średnio już tylko w 7 parach, w szeregach z 720 danymi w 4 parach, a w najkrótszych szeregach średnio tylko w jednej parze.
Z powyższego nasuwa się wniosek, że w części rozpatrywanych przypad- ków notowania istotnie się zmieniają z godziny na godzinę i mogą utrzymać ten sam rozkład w kilku kolejnych dniach w przypadku danych z tej samej godziny.
Fakt ten zostanie obecnie wykorzystany przy ponownym szacowaniu i weryfika- cji zgodności wartości zagrożonej. Pomimo braku istotnych różnic pomiędzy najkrótszymi szeregami zostaną one uwzględnione w obecnych symulacjach (podobnie jak w poprzednim podejściu), ograniczona zostanie jednak ilość danych w dłuższych szeregach, do 1800 danych (poprzednio do 7200). Powodem takich ograniczeń jest długość próbki z wygasłymi prognozami wartości zagrożonej uży- tej do testów zgodności VaR. Ze względu na fakt, iż obecnie wybierano dane tylko z jednej godziny, a nie z całego dnia, narzucone ograniczenie pozwoli uzyskać (dla szeregów o 1800 danych) co najmniej 100 prognoz wartości zagrożonej, co jest istotne ze względu na wiarygodność testów VaR użytych w kolejnym kroku.
Na poniższych wykresach zaprezentowano otrzymane wyniki w obecnym podejściu do wyznaczania rozkładów empirycznych logarytmicznej stopy zwro- tu badanych spółek. Należy pamiętać, że przypadek konstrukcji rozkładu empi- rycznego z danych obserwowanych, np. przez 30 godzin, oznacza dane obserwowa- ne w ciągu jednej i tej samej godziny (np. tylko z drugiej godziny sesyjnej) w 30 kolejnych dniach. Przedstawione wyniki są zagregowane, zawierają bowiem łączne wyniki dla rozkładów empirycznych konstruowanych z danych obserwowanych podczas pierwszych, drugich, …, szóstych godzin sesyjnych danych dni.
R Ź
o n 1 n
u o z w r z r m o z s
Rys.
Źród
odse nym 120 niki
utrz ods zgo wie ranc z po regó min oko zrea stop
. 6.
dło: O
N etki mi w 00 (n i mo Po zym etek odno edni
cji r ozy ów) nima oło 8 alizo py z
Ods z p Opra
Na p iem w za
not ożn odo myw k sp ość io p rów ytyw ) i alną 80%
owa zaob
setek ozio cowa
prze m sp ależ owa na u obni wano
pół Va po 5 wny wną nie ą d
% za anej bser
k spó omem
anie
edst półe żno
ania uzna
ie j o p ek, aR 5, 1 ym 0
ą we ró dług arów ej je
rwo
ółek m to wła
taw ek z
ści a z ać z
jak rze
w ze 0, 3 0.0 ery żni gość wno edno owa
Wa
k wy olera sne.
wion z po
od 20 a w w z k któ zre 30 5. W fika
się ć sz o dl omi anej
Warto
ykazu ancj
nym ozy dłu god wyso wcze kolej óryc ealiz
i 60 Wyn acją ę zn zere
la m inut j po
ość z
ując i α =
m w ytyw
ugo dzin okie eśni ejne ch t zow 0 m nik ą zg nac egu minu
tow o 60
zagr
cych
= 0.0
wykr wnie ści n, d e (o iej, e 60 testy wan minu ki w
god zni z d uto wej
0 mi rożo
zgo 05
resi e zw
sze dokł odse pr 0 m y w ną j
utac wyka dnoś e. M dan wej stop inut
ona
odno
e n wer ereg ładn etek rogn minu
wart edn ch o azuj ści Mo nym j wa py tach
por
ość (
nie ryfik gu z
niej k ok noz ut. N
tośc nom od o ują,
zag żna mi, d
arto zwr h od
rtfe
(co d
uw kow z da
j z j koło zę j Na p ci z minu
osz że groż a ta
dla ości rotu d os
la in
do te
ida wan anym
jedn o 80
jedn pon agr utow zaco
i w żon akże któ i za u z szac
nwe
estu
aczn nym mi.
nej 0%) nom niżs rożo wą owa w ty nej j
e be órej agro ko cow
estyc
Kup
niają mi pr Od god i n minu
szyc onej sto ania ych jest ez p j sk ożon lejn wani
cyjn
pca)
ą si rog d pe dzin nieis
utow ch w j po opą a Va prz t wy pro kute nej w nego
ia w nego
) min
ię j gnoz ewn ny k stotn wej wyk ozy ą zw
aR o zypa yso ble eczn
wer o o wart
o…
nuto
już zam nej i każ nie j w kres ytyw wrot ora adk oki
mu ność
ryfi okre tośc
owej
wa mi w
iloś żdeg
od wart sac wnie
tu z n kach
(dla u wy ć p ikow esu,
ci za
war
ahan wart
ści d go z sieb tośc
h p e zw obl na p h od a dł yzn prog wan jak agro
rtośc
nia tośc dan z 20
bie ci z prze
wer licz pozi dse łuż nacz gnoz nej k i ożo
ci za
po ci z nych
0 dn róż zagr edst
ryfi oną iom etek szy zyć z w za p min onej
agro
mię zagr
h, o ni), żne.
roż taw ikow ą od mie t
k sp ych pe wyn pom nuto
. 4
ożon
ędz rożo okoł
wy . żone
ion wał dpo tole ółe
sze ewn iesi moc owe 1
ej
zy o- ło y-
ej no ły o- e- ek
e- ną
ie cą ej
Rys. 7. Wyniki zgodności szacowanej jednominutowej wartości zagrożonej z poziomem tolerancji α = 0.05 i zrealizowaną jednominutową stopą zaobserwowaną po 5 i 10 minutach od momentu wyznaczenia VaR
Źródło: Opracowanie własne.
Rys. 8. Wyniki zgodności szacowanej minutowej wartości zagrożonej z poziomem tolerancji α = 0.05 w odniesieniu do zrealizowanej jednominutowej stopy zwrotu zaobserwowanej odpowiednio po 30 i 60 minutach od momentu wyznaczenia VaR
Źródło: Opracowanie własne.
Przeprowadzone badania powtórzono także dla poziomów równych 0.01, 0.03, oraz 0.1. Poza przypadkiem poziomu tolerancji 0.01 wyniki są podobne do przedstawionych powyżej. W przypadku poziomu tolerancji 0.01 odsetek spółek ze zgodną wartością zagrożoną jest istotnie niższy. Na rysunku 9 przedstawiono wyniki, które nie zostały zagregowane (dla wszystkich omawianych poziomów tolerancji). Zostały one rozdzielone ze względu na godzinę sesyjną (pierwszą, drugą, … , szóstą) zawierającą logarytmiczne stopy zwrotu służące do konstruk- cji rozkładów empirycznych. Wykres dotyczy wartości zagrożonej wyznaczanej z szeregów z danymi z 30 dni i porównanej (testy zgodności) do pierwszego no- towania od momentu oszacowania VaR. Jak można na nim zauważyć, wyniki nie są jednakowe dla każdej części dnia. Dane z pierwszych godzin generują gorsze prognozy niż z pozostałych. Dla dłuższych „opóźnień” różnica ta się zaciera.
0 5 10 15 20 25 30
0 0.2 0.4 0.6 0.8 1
interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
odsetek spółek
Wyniki symulacji
Wartość zagrożona (horyzont - 30 minut, poziom tolerancji 0.05)
0 5 10 15 20 25 30
0 0.2 0.4 0.6 0.8 1
interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
odsetek spółek
Wyniki symulacji
Wartość zagrożona (horyzont - 60 minut, poziom tolerancji 0.05)
(opóźnienie (opóźnienie
0 5 10 15 20 25 30
0 0.2 0.4 0.6 0.8 1
interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
odsetek spółek
Wyniki symulacji
Wartość zagrożona (horyzont - 5 minut, poziom tolerancji 0.05)
0 5 10 15 20 25 30
0 0.2 0.4 0.6 0.8 1
interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
odsetek spółek
Wyniki symulacji
Wartość zagrożona (horyzont - 10 minut, poziom tolerancji 0.05)
(opóźnienie Wyniki symulacji (opóźnienie
Wartość zagrożona (opóźnienie 5 minut, poziom tolerancji 0.05) Wyniki symulacji
Wartość zagrożona (opóźnienie 10 minut, poziom tolerancji 0.05)
Wyniki symulacji
Wartość zagrożona (opóźnienie 30 minut, poziom tolerancji 0.05) Wyniki symulacji
Wartość zagrożona (opóźnienie 60 minut, poziom tolerancji 0.05) interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin) interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin) interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
Wartość zagrożona portfela inwestycyjnego… 43
Pomimo tego, że w obecnym podejściu wyniki są lepsze niż w poprzednim, to nadal występują problemy z poprawnym oszacowaniem wartości zagrożonej na początek dnia następnego.
Wyniki symulacji. Ilość danych w szeregach – 1800 (z 30 godz.) Minutowa wartość zagrożona z poziomem tolerancji α
Rys. 9. Wyniki zgodności szacowanej wartości zagrożonej – VaR(minuta, α) na podstawie 1800 danych (z 30 godzin) w zależności od godziny sesyjnej danego dnia
Źródło: Opracowanie własne.
Dla formalności w obecnym przypadku sprawdzono również możliwość aproksymacji omawianych rozkładów empirycznych wybranymi rozkładami teoretycznymi. Wszystkie założenia co do długości szeregów czasowych, postaci rozkładów czy ilości symulacji w generowaniu rozkładu statystyki testu Kołmo- gorowa-Smirnowa pozostały bez zmian. Jedyną różnicą jest wybór danych do rozkładu empirycznego, które obecnie pochodzą z jednej godziny każdego dnia.
W przypadku rozkładu normalnego wyniki nieznacznie się poprawiły, jednak nadal nie są satysfakcjonujące. Na przykład w przypadku danych z pierwszej godziny jednego dnia średni odsetek poprawnych aproksymacji (co do testów istot- ności) wyniósł 25%, w przypadku trzeciej godziny 11%, a z ostatniej 17%. Gdy szeregi zawierały notowania z sześciu dni odpowiednio z tych samych godzin, średnie odsetki wyniosły: 2%, 0,5% oraz 1%. Dla dłuższych szeregów omawiane odsetki były jeszcze mniejsze. W przypadku rozkładu t-studenta oraz Cauchy’ego ilość zgodnych dopasowań jest nie większa niż dla rozkładu normalnego.
1. 2. 3. 4. 5. 6.
0 0.2 0.4 0.6 0.8 1
godzina
odsetek portfeli
α = 0.01 α = 0.03 α = 0.05 α = 0.1
2. Optymalny portfel inwestycyjny ze względu na VaR
− wyniki badań empirycznych
Kolejnym aspektem badań, który rozważali autorzy, jest ponowne szacowa- nie wartości zagrożonej, tym razem w przypadku portfela inwestycyjnego. Re- zultaty badań wykażą, czy zaobserwowane prawidłowości dla pojedynczych spółek mogą dotyczyć także portfeli inwestycyjnych. Ponieważ analiza portfe- lowa zajmuje się między innymi optymalizacją strategii inwestycyjnych, autorzy rozważyli optymalne portfele z punktu widzenia wartości zagrożonej.
W portfelach wyznaczano skład tak, aby ich wartość zagrożona była mini- malna dla ustalonego poziomu tolerancji (w badaniach ustalono poziom toleran- cji odpowiednio 0.01, 0.03, 0.05, 0.10) i horyzontu jednominutowego. Ponadto przeprowadzono testy zgodności wartości zagrożonej optymalnych portfeli.
Rozpatrzono 50 dwuskładnikowych portfeli, w skład których losowo dobie- rano dwie z 50 spółek wchodzących w skład indeksu S&P100 notowanych po- między początkiem 2000 a końcem 2011 roku. Podobnie jak poprzednio, rozkła- dy empiryczne stóp zwrotu wyznaczano na podstawie notowań zawartych pomiędzy pewnymi momentami czasu oraz w drugim przypadku konstruowano rozkłady empiryczne po podziale dni na części (dokładniej na godziny) i używa- no tylko danych z tej samej godziny poszczególnych dni.
W pierwszym przypadku konstruowano rozkłady z 3600, 3780, 7020 i 7200 danych, co odpowiada notowaniom dokładnie z 60, 63, 117 i 120 godzin. Z ba- dań dla pojedynczych akcji wynika, iż krótkie szeregi czasowe oraz szeregi, z których szacowano wartość zagrożoną dla notowań z dnia już następnego, nie dawały pozytywnych rezultatów. Stąd też wybrano szeregi dłuższe do konstruk- cji rozkładów empirycznych w dwóch wariantach, mianowicie szacowano war- tość zagrożoną dla dnia już następnego (przypadek z 60 i 120 godzinami) lub dla notowań rozpoczynających dokładnie drugą połowę dnia (przypadek z 63 i 117 godzinami). Na rysunku 10 przedstawiono wyniki testów (odsetek spółek z po- zytywnie zweryfikowanym testem Kupca) w zależności od ilości danych, z któ- rych szacowano wartość zagrożoną i zrealizowanych wartości, odpowiednio po pierwszej, dziesiątej, trzydziestej i sześćdziesiątej minucie, użytych w testach zgodności. Wartość zagrożona była szacowana dla poziomu tolerancji 0,05 i ho- ryzontu jednominutowego.
R
Ź
d ( p n w j m
R
Ź Rys.
Źród
du.
(60 poz nyc war jedn min
Rys.
Źród . 10
dło: O
Ja Prz i 1 ziom ch. N
rtoś nom nuta
. 11
dło: O
odsetek portfeli
0. W α od Opra
ak m zyp 120 mów
Na ści z minu
ach
1. W α od Opra
0 0.2 0.4 0.6 0.8 1 Wyniα = 0
dpow cowa
moż padk go w to rys zag
uto od
Wyniα = 0
dpow cowa
iki z 0.05 wied anie
żna ki, w odzi
oler sunk
roż wej
mo
iki z 0.01 wied anie i zgod
w o dnio wła
a za w k in), ranc
ku żone
j st ome
zgod w o dnio wła 60 inter bra
Wa
dnoś odnie o po
sne.
auw któr da cji
11 ej z topy entu
dnoś odnie o po
sne.
rwał g ak op
Warto
ści s esie 1, 1
waży rych ają z
uzy zap z po
y zw u w
ści s esie 1, 1 godz óź.
ość z
szac niu 10, 3
yć, h sz
zna yska prez ozio
wro wyzn
szac niu 10, 3 zinow
zagr
owa do z 30 i 6
pon zacu aczn ane zen ome otu nacz
owa do z 30 i 6 wy (sz op
rożo
anej zrea 60 m
now uje nie e wy ntow em
zao zen
anej zrea 60 m
63 zereg póź.
ona
min lizo minu
wnie się gor yni wan tole obs nia V
min lizo minu 3
gi zaw 10 m
por
nuto wan utach
e uw ę wa
rsze iki n no w eran serw VaR
nuto wan utach
wiera min
rtfe
owej nej je
h od
wid arto e w nie wyn ncji wow R.
owej nej je
h od ały d
la in
j wa edno d mo
dacz ość wyn ró niki i 0.0 wan
j wa edno d mo dane z o
nwe
artoś omin omen
znia zag iki żni zg 01 nej o
artoś omin omen 11 z pow opóź.
estyc
ści z nuto ntu w
a si groż niż ą s godn
w o odp
ści z nuto ntu w 17
wyżs . 30 m
cyjn
zagr owej wyz
ię p żon ż po
ię z noś odn pow
zagr owej wyz szych min
nego
rożo j sto znac
pew ną d ozo zna ci s niesi wied
rożo j sto znac h iloś
o…
onej opy z czeni
wna dla d ostał aczn szac ieni dnio
onej opy z czeni
ści go o
z p zwro ia V
be dnia
łe.
nie cow iu d o po
z p zwro ia V
12 odzin opóź
pozio otu z VaR
zwł a ju Dla od wan do z
o 1
pozio otu z VaR
20 n)
. 60 m ome zaob
ładn uż n
a po prz nej m
zrea , 1
ome zaob min
em t bser
noś nast ozo zed min aliz
0, 3
em t bser
toler rwow
ść u tępn osta dstaw
nuto zow
30
toler rwow
4
ranc wane
ukła neg ałyc wio owe wane i 6
ranc wane
5
cji ej
a- go ch o-
ej ej 0
cji ej
Rezultaty badań w przypadku konstrukcji rozkładów empirycznych z ob- serwacji w ciągu kilku dni wyłącznie z wybranej godziny zostały syntetycznie przedstawione na rysunkach 12 i 13. Obecnie rozkłady optymalnych portfeli in- westycyjnych wyznaczano odpowiednio z 300, 600, 1200 i 1800 danych, co od- powiada notowaniom dokładnie z 5, 10, 20 i 30 godzin (lub inaczej z notowań obserwowanych podczas jednej godziny na przestrzeni 5, 10, 20 i 30 dni).
Na rysunku 12 przedstawiono zagregowane wyniki zawierające łączne wy- niki dla rozkładów empirycznych konstruowanych z danych obserwowanych podczas pierwszych, drugich,…, szóstych godzin sesyjnych danych dni w przy- padku poziomu tolerancji wartości zagrożonej równej α = 0.05. Dla pozostałych poziomów tolerancji wyniki były podobne (przypadek 5-dniowy (300 danych) został pominięty ze względu na wyniki nieistotnie większe od zera).
Rys. 12. Wyniki zgodności szacowanej minutowej wartości zagrożonej z poziomem tolerancji α = 0.05 w odniesieniu do zrealizowanej jednominutowej stopy zwrotu zaobserwowanej odpowiednio po 1, 10, 30 i 60 minutach od momentu wyznaczenia VaR
Źródło: Opracowanie własne.
Natomiast na rysunku 13 przedstawiono wyniki, które nie zostały zagrego- wane (dla wszystkich omawianych poziomów tolerancji). Zostały one rozdzielo- ne ze względu na godziny sesyjne zawierające notowania służące do konstrukcji empirycznych rozkładów stóp zwrotu (pierwsza, druga,…, szósta danych dni).
Wykres dotyczy wartości zagrożonej wyznaczanej z szeregów z danymi z 30 dni i porównanej (testy zgodności) do pierwszego notowania od momentu oszaco- wania VaR.
10 20 30
0 0.2 0.4 0.6 0.8 1
interwał godzinowy (szeregi zawierały dane z powyższych ilości godzin)
odsetek portfeli
bez opóź. opóź. 10 min opóź. 30 min opóź. 60 min
Wartość zagrożona portfela inwestycyjnego… 47
Rys. 13. Wyniki zgodności szacowanej wartości zagrożonej − VaR(minuta, α) na podstawie 1800 danych (z 30 godzin) w zależności od godziny sesyjnej danego dnia
Źródło: Opracowanie własne.
Jak należało się spodziewać, podobnie jak w przypadku pojedynczych spół- ek na wykresie można zauważyć, iż odsetek optymalnych portfeli zweryfikowa- nych pod kątem zgodności jednominutowej wartości zagrożonej nie jest jedna- kowy dla każdej godziny. Dane z pierwszych godzin generują gorsze prognozy niż z pozostałych, co zapewne po uśrednieniu przekłada sią na nieco gorsze re- zultaty w zagregowanych wynikach (rysunek 12). Również w przypadku portfeli dla dłuższych „opóźnień” różnica ta się zaciera. Za gorsze wyniki w przypadku pierwszej godziny częściowo mogą odpowiadać problemy z poprawnym osza- cowaniem wartości zagrożonej dla pierwszej obserwacji z dnia następnego.
Niemniej jednak w przypadku wartości zagrożonej szacowanej zarówno dla pojedynczych instrumentów, jak i dla optymalnych portfeli podejście, w którym konstrukcja rozkładów empirycznych opiera się na obserwacjach z kilku dni wy- łącznie z wybranej godziny, daje „stabilniejsze” wyniki ze względu na ilość da- nych użytych przy konstrukcji rozkładów.
Podsumowanie
W przedstawionym opracowaniu zaprezentowano wyniki szacowania war- tości zagrożonej na podstawie symulacji historycznej. Badania przeprowadzono na minutowych notowaniach 50 losowo wybranych spółek wchodzących w skład indeksu S&P100 oraz w przypadku optymalizacji portfela dwuskładniko-
1. 2. 3. 4. 5. 6.
0 0.2 0.4 0.6 0.8 1
godzina
odsetek portfeli
α=0.01 α=0.03 α=0.05 α=0.10
wego ze względu na minimalną wartość zagrożoną. W symulacjach uwzględnio- no dwa podejścia konstrukcji empirycznych rozkładów logarytmicznej stopy zwrotu użytych do wyznaczania wartości zagrożonej. W pierwszym z nich dane z szeregu wybierano „liniowo”, tzn. rozpatrywany szereg zawierał notowania minuta po minucie. W podejściu drugim do konstrukcji rozkładów empirycz- nych dokonano podziału dni na części i konstruowano rozkład na podstawie da- nych z pewnego zakresu czasowego (np. tylko z jednej i tej samej godziny) z kilku, kilkunastu dni.
Drugi przypadek dawał zdecydowanie bardziej „stabilne” wyniki (efekt po- ry dnia). Odsetek spółek czy też optymalnych portfeli z poprawnie zweryfiko- wanymi prognozami wartości zagrożonej (co do testów zgodności) wynosił oko- ło 80% dla poziomów tolerancji pomiędzy 0.03 a 0.1. Dla mniejszych poziomów tolerancji wyniki (α = 0.01) były zdecydowanie gorsze, zazwyczaj VaR był średnio niedoszacowany. Co istotne, otrzymane wyniki mogą sugerować pewną bezwładność układu (informacje docierają do inwestorów z pewnym opóźnie- niem), ponieważ jednominutowa wartość zagrożona była bardziej zgodna w przypadku zrealizowanej realnej wartości zaobserwowanej po upływie co najmniej pięciu minut niż w notowaniu kolejnym w stosunku do momentu wy- znaczenia wartości zagrożonej.
W przeprowadzonych badaniach sprawdzono także możliwość aproksymacji rozkładów empirycznych logarytmicznej stopy zwrotu z akcji rozkładem normal- nym, t-studenta czy też rozkładem Couchy’ego, niestety bez powodzenia. W bada- niach zakładano, że rozkład teoretyczny wyznacza się na podstawie całej dostępnej informacji, jednak wartość zagrożona nie dotyczy bezpośrednio całego zbioru ob- serwacji, lecz jego lewego ogona. Może zaistnieć sytuacja, w której rozkłady: teo- retyczny i empiryczny nie wykażą zgodności, natomiast rozkłady warunkowe lub inaczej lewy ogon rozkładu teoretycznego mógłby poprawnie aproksymować lewy ogon rozkładu empirycznego. Użycie warunkowych rozkładów mogłoby poprawić własności prognostyczne wartości zagrożonej, jednak należy się liczyć z czaso- chłonną procedurą estymacyjną i testującą zgodność rozkładów.
Literatura
Alexander C. (2008), Market Risk Analisys: Value at Risk Models. Vol. IV, John Wiley
& Sons, England.
Campbell S.D. (2005), A Review of Backtesting and Backtesting Procedures, Federal Reserve Board, Washington.
Holton G.A. (2003), Value at Risk. Theory and Practice, Academic Press, USA.
Wartość zagrożona portfela inwestycyjnego… 49
Huang H., Lee T.-H. (2013), Forecasting Value-at-Risk Using High-frequency Informa- tion, “Econometrics”, I, s. 127-140.
Iskra D. (2011), Value at Risk − Securities of Portfolio Optimization. A Geometric Brownian Motion Case [w:] Supplemento ai Rendiconti del Circolo matemattico di Palermo, serie II number 83, Sede della Societa, Palermo, s. 199-208.
Jorion P. (2001), Value at Risk: The New Benchmark for Managing Financial Risk, 2nd edition, McGraw-Hill.
So M.K.P., Xu R. (2013), Forecasting Intraday Volatility and Value-at-Risk with High- frequency Data, “Asia-Pacific Financial Markets”, 20, s. 83-111.
Wilmott P. (2006), Paul Wilmott on Quantitative Finance, Vol. 1, John Wiley & Sons, England.
Wywiał J. (2004), Wprowadzenie do wnioskowania statystycznego, Wyd. Akademii Ekonomicznej, Katowice.
VALUE AT RISK OF THE INVESTMENT PORTFOLIO BASED ON HIGH FREQUENCY DATA − EMPIRICAL STUDIES
Summary:. Paper presents results of estimating Value at Risk for stocks and the optimal investment portfolios. Study was conducted at the minute quotations of companies inc- luded in the S&P100 index. The simulations included two design approaches of empiri- cal distributions of the logarithmic rate of return used to determine the value at risk. The first one takes into account consecutive price quotations. In the second price quotations were divided into empirical distributions days were divided into six groups (quotations which come from time interval e.g. 10 am-11 am from each consecutive day were trans- ferred to the same data set). The research has shown that in certain cases the accuracy of the estimated value at risk of real loss was high.
Keywords: Value at Risk, optimal portfolio, high frequency data.