Применение Value at Risk на длительных временных горизонтах

Савон, Д.Ю. Применение Value at Risk на длительных временных горизонтах / Д. Ю. Савон, А. А. Юлий // Финансы и кредит. — Москва, 2025 — N 6. Том 31. — С.148-161. — Библиогр. в конце ст.

нет оценок

Выпуск

Финансы и кредит, 2025, Т.31 N 6

Источник

Аннотация

Предмет. Методы оценки рыночного риска на длинных временных горизонтах. Применение моделей машинного обучения для расчета скорректированной дисперсии доходности и более точной оценки Value at Risk (VaR) на годовом горизонте. Цели. Разработка методологии оценки VaR, которая учитывает зависимости в данных и корректирует стандартные допущения, лежащие в основе традиционного подхода к расчету. Качеством модели в данном контексте считается выполнение статистических предпосылок, а также ее способность давать более точные прогнозы риска. Результаты. Построена модель оценки долгосрочного VaR, использующая методы временных рядов и машинного обучения, включая Prophet, CatBoost, VAR и VECM. Проведено тестирование на данных московской биржи, которое показало, что традиционные модели VaR завышают или занижают уровень риска из-за игнорирования автокорреляции и кластеризации волатильности. Обнаружено, что включение методов машинного обучения позволило скорректировать прогнозы, улучшить точность оценки риска на 250-дневном горизонте. Выводы. Разработанный подход предлагает альтернативу стандартным методам VaR для долгосрочной оценки риска, позволяет учитывать сложные взаимосвязи в данных. Применение машинного обучения повышает точность прогнозов и делает возможным более надежное прогнозирование рыночных рисков. Это особенно важно для долгосрочных инвесторов, таких как пенсионные фонды и институциональные инвесторы.

Ключевые слова

УДК:

336.76

Применение Value at Risk на длительных временных горизонтах

Применение Value at Risk на длительных временных горизонтах

Аннотация

Ключевые слова

Рекомендовано к ознакомлению

Отзывы читателей