OCENA PRZYDATNOŚCI MODELI VaR DO SZACOWANIA RYZYKA INWESTYCJI NA RYNKU METALI SZLACHETNYCH

Transkrypt

1 Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN Nr Małgorzaa Jus Uniwersye Przyrodniczy w Poznaniu Wydział Ekonomiczno-Społeczny Kaedra Finansów i Rachunkowości m.jus@up.poznan.pl OCENA PRZYDATNOŚCI MODELI VaR DO SZACOWANIA RYZYKA INWESTYCJI NA RYNKU METALI SZLACHETNYCH Sreszczenie: Celem pracy była analiza przydaności wybranych warunkowych modeli VaR do szacowania ryzyka inwesycji na londyńskim rynku meali szlachenych. Zbadano przydaność wykorzysania modelu GARCH z rozkładem normalnym, -Sudena i skośnym -Sudena, modelu GARCH-EVT i GARCH-FHS. Szczególnie użyeczne do szacowania ryzyka inwesycji w meale szlachene okazały się nasępujące modele: GARCH z rozkładem -Sudena i GARCH-EVT niezależnie od zajmowanej pozycji na rynku meali oraz GARCH z rozkładem skośnym -Sudena dla pozycji długiej. Modele e pozwoliły na poprawne szacowanie warości zagrożonej na rynku meali szlachenych w okresach największych urbulencji na ym rynku. Słowa kluczowe: warość zagrożona, ryzyko inwesycyjne, meale szlachene. Wprowadzenie Obserwowany podczas globalnego kryzysu finansowego duży spadek cen insrumenów finansowych oraz wzros cen owarów wywołał duże zaineresowanie rynkiem owarów, szczególnie rynkiem meali szlachenych. Isoną korzyścią, związaną z inwesycjami w owary jes dywersyfikacja porfela inwesycyjnego, wynikająca z ujemnej lub słabej dodaniej korelacji między rynkiem owarowym a rynkami finansowymi [Conover i in., 2009; Draper, Faff, Hillier, 2006; Górska, Krawiec, 2009; Górska, Krawiec, 2010]. Wzrosło zaineresowanie nie ylko inwesycjami długoerminowymi w owary, ale akże ymi o charakerze spekulacji. Wpłynęło o na wzros zmienności cen owarów. Duża zmienność cen insrumenów finansowych i owarów zwiększyła zaineresowa-

2 46 Małgorzaa Jus nie insyucji nadzorujących rynki finansowe oraz eoreyków i prakyków, zajmujących się inwesycjami meodami kwanyfikacji możliwych sra, na kóre narażone są podmioy dokonujące ych inwesycji. Podsawową miarą ryzyka, wykorzysywaną do szacowania ryzyka rynkowego przez insyucje finansowe i insyucje nadzorujące jes warość zagrożona (Value a Risk, VaR). W odniesieniu do inwesycji jes o maksymalna sraa warości inwesycji, jakiej można doświadczyć w zadanym horyzoncie czasu z określonym z góry prawdopodobieńswem. Isonym problemem jes wybór właściwego sposobu szacowania warości zagrożonej modelu VaR. Zależy on od własności rozkładu sóp zwrou z inwesycji oraz horyzonu czasowego, na kóry jes wyznaczana warość zagrożona. Insyucje finansowe częso preferują bezwarunkowe meody prognozowania ryzyka, aby uniknąć niepożądanych częsych zmian limiów ryzyka dla inwesorów i menedżerów porfeli [Danielsson, de Vries, 2000]. Ponado sraegie inwesycyjne, kóre są ciągle akualizowane, generują wysokie koszy ransakcji [Coer, 2007]. Jednak warunkowe modele pozwalają lepiej uchwycić dynamikę zwroów, co jes szczególnie ważne przy wyznaczaniu prognozy ryzyka w krókim horyzoncie, jak jeden dzień [Dowd, 2005] lub w ciągu dnia [Danielsson, Payne, 2000]. Warość zagrożoną można wykorzysać akże do szacowania ryzyka inwesycji w meale szlachene, związanego z niekorzysnymi zmianami cen ych meali. Rozkłady zwroów z inwesycji w meale cechują się lepokurycznością i grubymi ogonami, w niekórych przypadkach akże skośnością, ponado w szeregach zwroów wysępuje grupowanie zmienności [Gio, Lauren, 2003; Krężołek, 2012; Włodarczyk, 2011]. Sąd celem pracy jes analiza przydaności wybranych warunkowych modeli VaR do szacowania ryzyka inwesycji na rynku meali szlachenych. W celu weryfikacji przydaności poszczególnych modeli oszacowano jednodniowe warości zagrożone inwesycji w meale, noowane na Giełdzie Meali w Londynie w okresie od 4 sycznia 2000 r. do 9 września 2013 r. dla inwesora zajmującego pozycję długą i króką w mealach, a nasępnie dokonano oceny jakości ych oszacowań. Badania doyczące szacowania warości zagrożonej na rynku meali były już przeprowadzone, ale wykorzysywano w nich różne zbiory meod, częso wyznaczano VaR jedynie dla inwesora zajmującego długą pozycję lub badanie nie obejmowało okresu osaniego kryzysu finansowego [Cheng, Hung, 2011; Echaus, Jus, 2013; Hammoudeh, Malik, McAleer, 2011; Krężołek, 2012; Włodarczyk, 2011].

3 Ocena przydaności modeli VaR do szacowania ryzyka Warość zagrożona Warość zagrożona o wielkość sray warości inwesycji (insrumenu finansowego, owaru lub całego porfela), gdzie prawdopodobieńswo, iż zosanie ona poniesiona lub przekroczona w zadanym horyzoncie czasu jes równe z góry określonemu poziomowi olerancji. Formalnie VaR definiuje się wzorem: P( P P 1 VaR) = α gdzie: P warość inwesycji w insrumen finansowy, owar w okresie, α zadany poziom olerancji. Sraa z inwesycji może być akże określona procenowo, co pozwala na porównywanie ryzyka związanego z inwesycjami w różne akywa. Jeśli r oznacza procenową logarymiczną sopę zwrou z inwesycji w insrumen finansowy, owar w okresie, o VaR w ujęciu procenowym określa wzór: P ( r VaR) = α 2. Warunkowe modele VaR 1 ε α Kluczową rolę w szacowaniu warości zagrożonej odgrywa zmienność insrumenu finansowego, owaru. W warunkowych modelach VaR przez warunkową zmienność insrumenu finansowego, owaru rozumie się warunkowe odchylenie sandardowe (warunkową wariancję) sopy zwrou z insrumenu finansowego, owaru. Przyjmijmy, iż procenowa logarymiczna sopa zwrou z inwesycji w insrumen finansowy, owar generowana jes przez proces: r = σ ε gdzie: σ warunkowa zmienność w okresie, ε iid(0,1) oraz zmienna ε ma dysrybuanę F ε. VaR dla długiej pozycji w insrumencie finansowym lub owarze, przynoszącej sraę, gdy cena ego insrumenu, owaru spada, na poziomie isoności α można opisać wzorem: 1 VaRα, + 1 = σ (1) Fε ( α) (1) gdzie: F ( ) α-kwayl zmiennej ε, σ (1) prognoza warunkowej zmienności na jeden okres naprzód. VaR dla krókiej pozycji w insrumencie finansowym lub owarze, ponoszącej sraę, gdy cena ego insrumenu, owaru rośnie, wyrażony jes wzorem:

4 48 Małgorzaa Jus 1 VaR1 α, + 1 = σ (1) Fε (1 α) (2) W przedsawionym podejściu isony wpływ na oszacowanie VaR ma jakość prognoz zmienności warunkowej. Jakość ych prognoz zależy od przyjęego modelu zmienności. W nasępnych punkach pracy przedsawione zosaną modele, kóre wykorzysano do szacowania warości zagrożonej Model GARCH Najpopularniejszymi modelami zmienności insrumenów finansowych i owarów są modele z rodziny uogólnionych modeli auoregresyjnej heeroskedasczności warunkowej (Generalised Auoregressive Condiinal Heeroscedasiciy, GARCH). W prakyce najczęściej sosowany jes model GARCH(1,1) [Bollerslev, 1986]: r = σ ε σ, = + + ω αr 1 βσ 1 (3) 2 gdzie: ε iid(0,1), ω, α, β > 0, α + β < 1, r sopa zwrou w okresie, σ wariancja warunkowa w okresie, ε ciąg niezależnych zmiennych losowych o jednakowym sandaryzowanym rozkładzie. Paramer α decyduje o wpływie na zmienność nowych, napływających informacji zawarych w r 2 1, naomias paramer β odzwierciedla część dynamiki, przedsawiającą oczekiwania rynku odnoszące się do ego, czy proces zmienności będzie przebiegał w przyszłości podobnie jak doychczas. Model en jes szczególnie przydany do modelowania szeregów zwroów charakeryzujących się wysępowaniem skupisk zmienności [Doman, Doman, 2009]. Biorąc pod uwagę własności rozkładów zwroów z inwesycji w meale, w pracy wykorzysany zosanie model GARCH(1,1) z rzema rozkładami innowacji ε : normalnym, -Sudena oraz skośnym -Sudena. Modelowanie innowacji za pomocą rozkładu -Sudena oraz skośnego -Sudena pozwala uwzględnić własność grubych ogonów zwroów oraz w przypadku drugiego rozkładu akże skośność. Dążenie do precyzyjnego opisania dynamiki zmienności zwroów oraz bardziej dokładnego modelowania ogonów rozkładów sóp zwroów zaowocowało powsaniem modelu GARCH-EVT. Innym modelem, pozwalającym uwzględnić dynamikę zmienności zwroów oraz własności ich empirycznych rozkładów, jes model GARCH-FHS.

5 Ocena przydaności modeli VaR do szacowania ryzyka Model GARCH-EVT Model GARCH-Exreme Value Theory (GARCH-EVT) wykorzysuje eorię warości eksremalnych do modelowania ogona rozkładu sandaryzowanych resz z modelu GARCH z rozkładem normalnym [McNeil, Frey, 2000]. W modelu GARCH-EVT wyznacza się paramery uogólnionego rozkładu Pareo (Generalized Pareo Disribuion, GPD) dla sandaryzowanych resz z modelu GARCH, a nasępnie oblicza VaR dla pozycji krókiej ze wzoru: VaR1 α, + 1 = σ ( 1) VaR1 α (4) gdzie: σ (1) prognoza zmienności warunkowej na jeden okres naprzód z modelu GARCH(1,1) z rozkładem normalnym, VaR 1 α warość zagrożona wyznaczana z wzoru (9) dla sandaryzowanych resz εˆ z modelu GARCH(1,1) z rozkładem normalnym. Isnieją dwa podejścia do analizy zdarzeń eksremalnych. Pierwsze opare jes na modelu maksimów blokowych, drugie częściej sosowane o model przekroczeń (Peaks over Threshold Model, POT). Model przekroczeń pozwala na esymację ogona rozkładu zwroów, zamias modelowania rozkładu ich eksremów, co umożliwia dokładniejsze esymowanie ogona rozkładu. Punkem wyjścia jes w ym rozwiązaniu warunkowy rozkład przekroczeń zmiennej losowej X pewnej progowej warości u, zdefiniowany za pomocą wzoru: F ( x+ u) F ( u) F x) = P( X u x X > u) = (5) u ( 1 F ( u) gdzie F jes nieznaną dysrybuaną zmiennej losowej X. Według wierdzenia Pickandsa-Balkemy-de Haana [Balkema, de Haan, 1974] dla wysarczająco dużego u dysrybuana F u ma rozkład graniczny, kórym jes uogólniony rozkład Pareo z dysrybuaną: 1/ ξ 1 (1 + ξx / β ), ξ 0 G ξ, β ( x) = (6) 1 exp( x / β ), ξ = 0 gdzie: β > 0, x dla ξ 0 i 0 x β/ξ dla ξ < 0. Rozkład en ma ylko dwa paramery: β paramer skali, ξ paramer odpowiadający za grubość ogona. W celu oszacowania dysrybuany rozkładu Pareo należy wybrać warość progu u. Wybór warości progowej ma wpływ na orzymywane warości esymaorów. Zby duża warość progowa u spowoduje, iż niewiele obserwacji przekroczy próg u, co skukuje dużą wariancją, zby mała jej warość spowoduje duże obciążenie esymaorów. Z wzorów (5)-(6) orzymuje się dysrybuanę zmiennej X: F ( x) = ( 1 F( u) ) Gξ, β ( x u) + F( u), x > u (7)

6 50 Małgorzaa Jus Należy jeszcze warość F(u) zasąpić esymaorem empirycznym Fˆ ( u ) = 1 N / u n, gdzie n o liczba obserwacji, a N u o liczba przekroczeń u. Orzymuje się wówczas nasępujący esymaor dysrybuany F: 1/ ˆ ˆ N ˆ ( x u) F ( x) = 1 u 1+ ξ (8) n ξ ( ˆ ) Wyznaczając x z (8) można wyznaczyć VaR dla pozycji krókiej: ˆ β ˆ n ξ VaR = u + α 1 β ( ) ) 1 α ˆ ξ N u gdzie α jes poziomem olerancji dla VaR. Aby wyznaczyć VaR dla pozycji długiej należy przeprowadzić obliczenia dla sandaryzowanych resz pomnożonych przez minus jeden. (9) 2.3. Model GARCH-FHS Model GARCH-Filered Hisorical Simulaion (GARCH-FHS) sosuje meodę symulacji hisorycznej do sandaryzowanych resz z modelu GARCH [Hull, Whie, 1998]. Oznacza o, że w podejściu ym wyznacza się kwanyl empiryczny dla sandaryzowanych resz, orzymanych z modelu GARCH, a nasępnie oblicza się VaR. Dla pozycji długiej i krókiej VaR wyznacza się odpowiednio z wzorów: 1 1 VaR σ (1) F ( ) VaR = σ (1) F (1 ) (10) α, + 1 = ˆ ε α, 1 α, + 1 ˆ ε α gdzie: σ (1) prognoza zmienności warunkowej na jeden okres naprzód z modelu GARCH(1,1), F 1 ˆ ε ( α) α-kwayl empiryczny sandaryzowanych resz εˆ z modelu GARCH(1,1). 3. Opis danych Warości zagrożone szacowano dla inwesycji w czery najpopularniejsze meale szlachene: złoo, srebro, playnę, pallad. W ym celu wykorzysano szeregi dziennych kursów zamknięcia meali szlachenych z Giełdy Meali w Londynie [www 1], wyrażonych w USD za uncję kruszcu, od 5 sycznia 1999 r. do 6 września 2013 r. VaR szacowano na podsawie dziennych procenowych logarymicznych sóp zwrou wyznaczonych z wzoru: r = 1001n(P /P 1 ), gdzie P oznacza kurs zamknięcia mealu w okresie. W abeli 1 przedsawiono saysyki opisowe analizowanych szeregów sóp zwrou i warości esu Jarque a-bery.

7 Ocena przydaności modeli VaR do szacowania ryzyka 51 Tabela 1. Saysyki opisowe szeregów sóp zwrou i warość esu Jarque a-bery (JB) dla badanych meali szlachenych w okresie Liczba obserwacji Średnia Odchylenie Maksimum Minimum sandardowe Skośność Kuroza JB Złoo ,0426 1,1678 7,0060-9,5962-0,2709 * 8,7614 * 5168 Srebro ,0418 2, , ,6926-0,6001 * 12,8755 * Playna ,0385 1, , ,2773-0,7775 * 13,0749 * Pallad ,0201 2, , ,8590-0,4232 * 9,9547 * 7571 * odrzucenie hipoez zerowych: skośność wynosi 0 (es skośności D Agosino), kuroza wynosi 3 (es kurozy Anscombe-Glynn) na poziomie isoności 0,0001. Największą zmiennością, mierzoną rozsępem i odchyleniem sandardowym, charakeryzowały się zwroy ze srebra oraz palladu, co wskazuje na ich silną dynamikę. Najmniejszą zmiennością cechowały się sopy zwrou ze złoa. W przypadku wszyskich analizowanych meali szlachenych średnia sopa zwrou była bliska zeru. Wszyskie rozkłady sóp zwrou badanych meali szlachenych charakeryzowały się bardzo słabą lub słabą ujemną skośnością. Wysokie warości kurozy świadczą, iż rozkłady sóp zwrou analizowanych meali charakeryzowały się grubymi ogonami, a więc częsym pojawianiem się eksremalnych warości w szeregach. Oznacza o, że rozkłady sóp zwrou meali nie były rozkładami normalnymi. Odrzucenia hipoezy o normalności rozkładów badanych zwroów dokonano na podsawie esu Jarque a-bery. 4. Przydaność warunkowych modeli VaR w szacowaniu ryzyka inwesycji w meale szlachene Warości zagrożone inwesycji wyznaczano dla inwesora zajmującego pozycję długą i króką w mealach szlachenych, czyli dla lewych oraz prawych ogonów rozkładów sóp zwrou z meali. VaR szacowano codziennie w dni robocze od 4 sycznia 2000 r. do 9 września 2013 r,, wykorzysując 250 dziennych logarymicznych sóp zwrou z meali poprzedzających en dzień. Obliczenia przeprowadzono dla rzech poziomów isoności: 0,01; 0,025; 0,05. Wyznaczono VaR wykorzysując pięć warunkowych modeli: GARCH z rozkładem normalnym (GARCH-NORM), GARCH z rozkładem -Sudena (GARCH-ST), GARCH z rozkładem skośnym -Sudena (GARCH-SST), GARCH-EVT przyjmując próg na poziomie 90% (oznacza o, że największy 10% pozyywnych i negaywnych sandaryzowanych resz uważane było za eksremalne obserwacje), GARCH-FHS.

8 52 Małgorzaa Jus Model VaR jes przydany do szacowania ryzyka inwesycji, jeśli poprawnie szacuje o ryzyko. Oceny przydaności modeli VaR do szacowania ryzyka można dokonać za pomocą zw. esowania wsecznego (backesing). Przydaność modelu ocenia się na podsawie liczby przekroczeń oszacowanych warości zagrożonych. Wyznaczając VaR na poziomie olerancji α, wymaga się, by udział przekroczonych poziomów VaR przez empiryczne zwroy do wszyskich w próbie wynosił α. Jeżeli udział przekroczeń jes wyższy od założonego, o model niedoszacowuje ryzyka, w przypadku przeciwnym model VaR jes zby osrożny, a ryzyko rzeczywise jes niższe niż wskazuje na o model. Trafnie szacujący ryzyko model VaR, powinien charakeryzować się akże równomiernym rozkładem przekroczeń warości zagrożonych przez empiryczne sopy zwrou. W syuacji, gdy przekroczenia wysępują seriami, model naraża inwesora na kumulację sra. W celu sprawdzenia przydaności wybranych modeli do szacowania warości zagrożonej inwesycji na rynku meali szlachenych, wyznaczono oczekiwaną (ET) oraz rzeczywisą (T 1 ) liczbę przekroczeń oszacowanych VaR przez rzeczywise sopy zwrou oraz zasosowano esy: P. Kupca [1995] (LR_UC, hipoeza zerowa: udział przekroczeń VaR przez rzeczywise sopy zwrou jes zgodny z założonym α), P. Chrisoffersena [Chrisoffersen, 1998] (LR_CC, hipoeza zerowa: udział przekroczeń VaR przez rzeczywise sopy zwrou jes zgodny z założonym α i przekroczenia są niezależne pierwsze przekroczenie) oraz P. Chrisoffersena i D. Pelleiera [2004] (LR_D, hipoeza zerowa: okresy między przekroczeniami warości zagrożonych przez rzeczywise sopy zwrou są niezależne) w analizowanym okresie. Wyniki przedsawiono w ab. 2-5 (pogrubioną czcionką zaznaczono przypadki, w kórych odrzucano hipoezy zerowe w zasosowanych esach na poziomie isoności 0,05; w związku z rudnościami w kilku przypadkach z obliczeniem warości esów w całym okresie, dokonano podziału ego okresu w ych przypadkach). Oceniając jakość oszacowanych warości zagrożonych dla zwroów ze złoa, na podsawie esów P. Kupca i P. Chrisoffersena (ab. 2) można swierdzić, iż najgorsze rezulay uzyskano dla modelu GARCH z rozkładem normalnym. Liczba przekroczeń VaR oszacowanych za pomocą ego modelu dla poziomu olerancji 0,01 i 0,025 przez rzeczywise sopy zwrou przewyższała dopuszczalny poziom zarówno dla pozycji długiej, jak i krókiej w ym owarze. Oznacza o, że VaR wyznaczone ą meodą były zaniżone. Dla pozycji długiej w złocie poprawę oszacowań VaR uzyskano wykorzysując model GARCH-FHS, GARCH-EVT, GARCH z rozkładem -Sudena oraz GARCH z rozkładem skośnym -Sudena, przy czym oszacowania orzymane z osaniego modelu były najdokładniejsze. Dla pozycji krókiej w złocie, lepsze oszacowania VaR uzyskano sosując model

9 Ocena przydaności modeli VaR do szacowania ryzyka 53 GARCH-EVT oraz GARCH z rozkładem -Sudena. Należy akże zauważyć, że najkorzysniej prezenowały się modele VaR dla poziomu olerancji 0,05 niezależnie od zajmowanej pozycji w złocie, dla ych modeli w prawie wszyskich przypadkach nie było podsaw do odrzucenia hipoezy o zgodności udziału przekroczeń z zadanym poziomem olerancji i ich niezależności w czasie. Wyniki esu P. Chrisoffersena oraz D. Pelleiera wskazują, iż w przypadku oszacowań VaR za pomocą wszyskich zasosowanych modeli nie było podsaw do odrzucenia hipoezy o niezależności liczby dni między kolejnymi przekroczeniami. Tabela 2. Ocena jakości oszacowań VaR dla złoa GARCH-NORM T LR_UC 22,8267 4,2696 0, ,3643 8,8277 0,8946 LR_CC 23,2106 5,1349 0, , ,0038 1,9228 LR_D 0,9562 0,0130 0,3192 1,2472 0,9124 0,5724 GARCH-ST 1 0,05 2 ET T LR_UC 1,5183 0,8560 0,8946 0,0713 1,8088 3,1915 0,1559 LR_CC 1,9198 1,5625 1,0382 1,0395 4,6831 4,5237 0,5332 LR_D 0,4582 0,3558 0,7488 0,8586 0,9110 0,0178 0,4870 GARCH-SST 1 0,05 2 ET T LR_UC 0,0089 0,1370 0,0463 0, ,0426 2,4870 5,2845 LR_CC 0,6649 0,6267 0,4018 7, ,1005 3,2470 5,3835 LR_D 0,0588 0,2624 1,1326 2,2934 0,5546 1,2048 0,2800 GARCH-EVT T LR_UC 4,7171 0,8560 0,2354 3,4719 3,8582 0,5128 LR_CC 6,5785 1,5625 0,5954 5,5160 4,7958 1,1428 LR_D 1,0888 0,3650 0,5432 0,5572 0,5254 2,0888 GARCH-FHS T LR_UC 7,7081 3,4664 1, , ,0426 1,3793 LR_CC 9,2671 4,5185 1, , ,1005 2,7871 LR_D 0,0008 0,3554 1,4068 0,0006 0,4914 0, dla okresu ; 2 dla okresu

10 54 Małgorzaa Jus Tabela 3. Ocena jakości oszacowań VaR dla srebra GARCH-NORM T LR_UC 15,5372 3,8693 0,2001 6,1405 0,5126 0,2001 LR_CC 15,5390 4,0711 0,3654 7,6098 4,2821 0,3129 LR_D 0,1788 0,0106 1,1188 0,2452 1,1778 0,1048 GARCH-ST T LR_UC 1,9420 1,8164 1,0529 0,3391 0,0662 0,1118 LR_CC 2,2724 3,2545 1,0530 1,1848 1,6217 0,1125 LR_D 0,2510 0,8598 2,9356 0,0960 0,6686 0,0124 GARCH-SST 1 0,05 2 ET T LR_UC 0,5584 0,6760 0,0660 0,8296 2,1077 1,3319 4,4027 LR_CC 1,0956 1,4137 0,0661 1,3096 2,5089 1,7895 4,4388 LR_D 0,1040 1,0838 4,0538 0,6438 0,2282 0,0140 1,2320 GARCH-EVT T LR_UC 2,9210 1,2963 0,0660 0,0615 0,0218 0,9021 LR_CC 4,1094 1,8522 1,1035 0,8201 1,4800 1,3913 LR_D 0,0072 0,5010 0,6238 0,5794 0,0210 0,0240 GARCH-FHS 1 0,05 2 ET T LR_UC 6,1405 4,2813 0,9021 1,1514 2,1077 2,1662 1,8666 LR_CC 7,6098 5,1455 1,3655 2,1368 2,5089 2,4335 1,8948 LR_D 0,5248 0,1212 2,7810 0,1028 0,0764 0,1594 0, dla okresu ; 2 dla okresu Oszacowania VaR dla srebra (ab. 3) orzymane za pomocą zasosowanych modeli były bardziej dokładne niż dla złoa. Liczba przekroczeń VaR na ogół mieściła się w dopuszczalnych granicach (w 26 z 32 analizowanych przypadków) oraz przekroczenia były równomiernie rozmieszczone (w 31 z 32 analizowanych przypadków). Szczególnie użyeczne okazały się modele: GARCH z rozkładem -Sudenaa, GARCH-EVT, GARCH z rozkładem skośnym -Sudena, niezależnie od zajmowanej pozycji w srebrze oraz GARCH-FHS w przypadku pozycji krókiej. Modele e w większości badanych przypadków uchwyciły własności empirycznych rozkładów sóp zwrou z srebra.

11 Ocena przydaności modeli VaR do szacowania ryzyka 55 Tabela 4. Ocena jakości oszacowań VaR dla playny GARCH-NORM T LR_UC 21,5471 0,8612 2,4559 4,7250 2,1077 0,0030 LR_CC 28, , ,8453 6,5268 3,4539 0,3399 LR_D 0,2702 1,2418 0,2264 2,0412 4,9812 0,2420 GARCH-ST T LR_UC 3,4786 0,0826 0,0321 0,1730 0,8612 1,3886 LR_CC 16, , ,0091 0,8363 1,5352 1,4510 LR_D 3,2292 2,6340 0,0008 1,9510 6,1464 1,2296 GARCH-SST 1 0,05 2 ET T LR_UC 0,0615 0,8555 3,8997 1,5226 6, ,3572 0,2592 LR_CC 3, , ,7170 1,8993 7, ,4699 1,2600 LR_D 1,6134 1,0512 0,0032 1,1622 4,9768 0,0250 0,3392 GARCH-EVT T LR_UC 1,9420 0,0015 0,0447 1,9420 0,1561 0,1118 LR_CC 4, ,2927 7,9549 2,2724 1,1807 0,5405 LR_D 1,2954 1,9458 0,3144 2,6318 2,9918 0,1368 GARCH-FHS T LR_UC 9,4525 1,2963 0,3206 5,4121 3,1044 1,3886 LR_CC 19, , ,8815 7,1004 3,3774 2,7940 LR_D 5,1796 1,4970 0,2650 1,6282 3,6594 0, dla okresu ; 2 dla okresu Wyniki uzyskane dla kolejnego mealu szlachenego playny (ab. 4) były gorsze niż dla pozosałych meali. Dla playny liczba przekroczeń VaR na ogół mieściła się w dopuszczalnych granicach (w 24 przypadkach z 31). Wyjąek sanowiły oszacowania VaR z modelu GARCH z rozkładem normalnym, GARCH- -FHS dla poziomu olerancji 0,01 dla lewego i prawego ogona oraz z modelu GARCH z rozkładem skośnym -Sudena dla poziomu olerancji 0,025 oraz 0,05 dla prawego ogona. Jednak wyniki esów Chrisoffersena i Pelleiera wskazują, że w większości przypadków (w 19 przypadkach z 31 analizowanych) przekroczenia VaR nie były niezależne. Najkorzysniej wypadł, biorąc pod uwagę wyniki wszyskich zasosowanych esów, model GARCH-EVT. Ponieważ

12 56 Małgorzaa Jus skupia się na esymacji ogona rozkładu, jes szczególnie przydany do szacowania warości zagrożonej dla rozkładów charakeryzujących się lepokurycznością i grubymi ogonami oraz skośnością. Takie cechy posiadały w szczególności rozkłady zwroów z playny i srebra. Tabela 5. Ocena jakości oszacowań VaR dla palladu GARCH-NORM T LR_UC 34,3285 5,1764 0,1967 9,4639 0,0013 1,1655 LR_CC 35,3805 5,9044 0, ,6519 0,3239 1,5610 LR_D 0,4446 0,2148 0,1052 2,9802 3,4460 2,1694 GARCH-ST T LR_UC 1,9470 2,7612 0,6411 0,0064 0,2260 0,5241 LR_CC 2,2771 3,0735 1,2102 3,7924 0,2274 0,7439 LR_D 0,7130 0,0892 0,0118 3,5246 2,1498 2,1714 GARCH-SST T LR_UC 2,9272 0,3747 0,0166 0,8328 0,0210 1,5833 LR_CC 3,1749 0,4958 2,3561 3,7299 0,0254 1,8656 LR_D 0,0434 0,2860 0,0888 3,7358 2,7432 2,2626 GARCH-EVT T LR_UC 7,7286 0,8663 0,0335 2,9272 0,0013 0,6411 LR_CC 9,1034 2,7051 0,0356 5,0980 0,3239 1,2102 LR_D 0,4826 0,3736 0,6776 2,5678 1,8064 1,5238 GARCH-FHS 1 0,05 2 ET T LR_UC 10,3883 3,4875 0,7696 6,1496 5,1764 4,8469 0,1648 LR_CC 11,4891 5,7173 0,8457 7,7284 6,9593 7,6391 0,9367 LR_D 0,3294 1,5312 1,0450 2,0564 6,4232 0,4666 0, dla okresu ; 2 dla okresu Oszacowania VaR dla palladu (ab. 5), wyznaczone za pomocą modeli GARCH z rozkładem normalnym i GARCH-FHS, były najmniej dokładne. Wyniki esu Chrisoffersena i Pelleiera wskazują, podobnie jak dla złoa oraz srebra, że w przypadku oszacowań VaR za pomocą wszyskich zasosowanych modeli na ogół nie było podsaw do odrzucenia hipoezy o niezależności liczby dni

13 Ocena przydaności modeli VaR do szacowania ryzyka 57 między kolejnymi przekroczeniami. Ponownie, najdokładniejsze oszacowania VaR uzyskano dla modeli GARCH z rozkładem -Sudena, GARCH z rozkładem skośnym -Sudena oraz modelu GARCH-EVT. Przeprowadzona analiza pozwoliła wskazać klasę warunkowych modeli VaR (GARCH z rozkładem -Sudena i GARCH-EVT dla pozycji długiej i krókiej, GARCH z rozkładem skośnym -Sudena dla pozycji długiej), kóre dały poprawne oszacowania warości zagrożonych inwesycji na rynku meali szlachenych w okresach największych urbulencji. Podsumowanie Celem pracy była analiza przydaności wybranych warunkowych modeli VaR do szacowania ryzyka inwesycji na rynku meali szlachenych. Do wyznaczenia warości zagrożonej inwesycji w meale wykorzysano modele: GARCH z rozkładem normalnym, -Sudena, skośnym -Sudena, GARCH-EVT oraz GARCH-FHS. Zdecydowanie najgorsze oszacowania warości zagrożonych orzymano dla modeli GARCH z rozkładem normalnym oraz GARCH-FHS dla niskich poziomów olerancji. Szczególnie użyeczne okazały się modele zmienności warunkowej GARCH z rozkładem -Sudena i GARCH-EVT niezależnie od zajmowanej pozycji w mealach oraz model GARCH z rozkładem skośnym -Sudena dla pozycji długiej. Należy jednak zauważyć, iż przedsawione wyniki doyczą weryfikacji warunkowych modeli VaR na rynku meali szlachenych w bardzo krókim, bo jednodniowym horyzoncie czasowym. P. Chrisoffersen i F. Diebold [2000] pokazali, że jakość prognoz wariancji warunkowej, wyznaczanych na podsawie modeli klasy ARCH pogarsza się wraz z wydłużeniem horyzonu prognozy. Oznacza o, że gdy badaniu poddana zosanie dokładność prognoz VaR na rynku meali szlachenych w dłuższym okresie, o wyniki mogą być różne od przedsawionych w niniejszej pracy. Pojawia się uaj akże problem skalowania VaR, wyznaczonego na podsawie dziennych danych oraz poprawności reguły pierwiaska kwadraowego. Wskazana klasa warunkowych modeli VaR jes więc odpowiednia do szacowania ryzyka inwesycji w meale szlachene w przypadku krókiego okresu przerzymania inwesycji.

14 58 Małgorzaa Jus Lieraura Balkema A.A., Haan L. de (1974), Residual Life Time a Grea Age, Annals of Probabiliy, Vol. 2, No. 5. Bollerslev T. (1986), Generalized Auoregressive Condiional Heeroscedasiciy, Journal of Economerics, Vol. 31, No. 3. Cheng W.-H., Hung J.-CH. (2011), Skewness and Lepokurosis in GARCH-ype VaR Esimaion of Peroleum and Meal Asse Reurns, Journal of Empirical Finance, Vol. 18. Chrisoffersen P. (1998), Evaluaing Inerval Forecass, Inernaional Economic Review, Vol. 39, No. 4. Chrisoffersen P., Diebold F. (2000), How Relevan is Volailiy Forecasing for Financial Risk Managemen? Review of Economics and Saisics, Vol. 82, No. 1. Chrisoffersen P., Pelleier D. (2004), Backesing Value-a-Risk: A Duraion-Based Approach, Journal of Financial Economerics, Vol. 2, No. 1. Conover C.M., Jensen G.R., Johnson R.R., Mercer J.M. (2009), Can precious Meals Make Your Porfolio Shine? Journal of Invesing, Vol. 18, No. 1. Coer J. (2007), Varying he VaR for Uncondiional and Condiional Environmens, Journal of Inernaional Money and Finance, Vol. 26, No. 8. Danielsson J., Vries C.G. de (2000), Value-a-Risk and Exreme Reurns, Annales d'economie e de Saisique, ENSAE, No. 60. Danielsson J., Payne R. (2000), Dynamic Liquidiy in Elecronic Limi Order Markes, Mimeo, London School of Economics. Doman M., Doman R. (2009), Modelowanie zmienności i ryzyka. Meody ekonomerii finansowej, Oficyna, Kraków. Dowd K. (2005), Measuring Marke Risk, John Willey&Sons Ld, Wes Sussex. Draper P., Faff R.W., Hillier D. (2006), Do Precious Meals Shine? An Invesmen Perspecive, Financial Analyss Journal, Vol. 62, No. 2. Echaus K., Jus M. (2013), Condiional versus Uncondiional Models for VaR Measuremen, hp://papers.ssrn.com (dosęp: ). Gio P., Lauren S. (2003), Marke Risk in Commodiy Markes: A VaR Approach, Energy Economics, Vol. 25. Górska A., Krawiec M. (2009), Inwesowanie w owary jako forma dywersyfikacji porfela, Problemy Rolnicwa Świaowego, Zeszyy Naukowe Szkoły Głównej Gospodarswa Wiejskiego,. 7 (XXII). Górska A., Krawiec M. (2010), Inwesowanie w owary jako forma dywersyfikacji porfela w warunkach odmiennej koniunkury giełdowej, Rynek Kapiałowy. Skueczne inwesowanie, Finanse, Rynki Finansowe, Ubezpieczenia, nr 28, Zeszyy Naukowe Uniwersyeu Szczecińskiego, nr 612. Hammoudeh S., Malik F., McAleer M. (2011), Risk Managemen of Precious Meals, The Quarerly Review of Economics and Finance, Vol. 51, No. 4.

15 Ocena przydaności modeli VaR do szacowania ryzyka 59 Hull J., Whie A. (1998), Incorporaing Volailiy Updaing ino he Hisorical Simulaion Mehod for VaR, Journal of Risk, Vol. 1, No. 1. Krężołek D. (2012), Non-classical Measures of Invesmen Risk on he Marke of Precious Non-ferrous Meals Using he Mehodology of Sable Disribuions, Dynamic Economeric Models, Vol. 12. Kupiec P. (1995), Techniques for Verifying he Accuracy of Risk Managemen Models, Journal of Derivaives 1995, Vol. 3. McNeil A.J., Frey R. (2000), Esimaion of Tail-relaed Risk for Heeroscedasic Financial Time Series: An Exreme Value Approach, Journal of Empirical Finance, Vol. 7, No. 3. Włodarczyk A. (2011), Wykorzysanie meody VaR do oceny ryzyka inwesycji w meale szlachene, VISNIK L'vivs'koi Komercijnoi Akademii Ser. Ekonomicna, Vip. 37. [www 1] (dosęp: ). ASSESSMENT OF THE USEFULNESS OF VaR MODELS FOR ESTIMATING THE INVESTMENT RISK ON PRECIOUS METALS MARKET Summary: The aim of he paper was o analyze he usefulness of seleced condiional Value a Risk (VaR) models for esimaing he invesmen risk in he London precious meals marke. The usefulness of he following models: GARCH wih normal disribuion, Suden- disribuion, skewed Suden- disribuion, GARCH-EVT and GARCH-FHS was evaluaed. Paricularly useful for esimaing he invesmen risk on he precious meals marke proved o be he following models: GARCH wih he Suden- disribuion and GARCH-EVT irrespecive of he posiion on he meals marke and GARCH wih skewed Suden- disribuion for he long posiion. They enable o esimae he VaR correcly in very urbulen imes on he marke of precious meals. Keywords: Value a Risk, invesmen risk, precious meals.