Статьи, Журналы
Оценка качества аппроксимации приращений процентных ставок и кредитных спредов на российском рынке различными функциями распределения
Статьи, Журналы
Оценка качества аппроксимации приращений процентных ставок и кредитных спредов на российском рынке различными функциями распределения
Колтышев, Е.Е. Оценка качества аппроксимации приращений процентных ставок и кредитных спредов на российском рынке различными функциями распределения / Е. Е. Колтышев // Экономический журнал Высшей школы экономики. — Москва, 2026 — N 2. Том 30. — С.245-275. — Библиогр. в конце ст.
Колтышев, Е.Е., (2026), "Оценка качества аппроксимации приращений процентных ставок и кредитных спредов на российском рынке различными функциями распределения", Экономический журнал Высшей школы экономики, Москва, 2026, N 2. Том 30, С.245-275.
Колтышев Е Е. Оценка качества аппроксимации приращений процентных ставок и кредитных спредов на российском рынке различными функциями распределения. Экономический журнал Высшей школы экономики. 2026; (N 2. Том 30). С.245-275. DOI:DOI.
Поделиться
Вконтакте 
Одноклассники 
Telegram Источник
Аннотация
Целью исследования является выявление теоретической функции распределения, наиболее качественно аппроксимирующей эмпирические данные о приращениях процентных ставок и кредитных спредов и позволяющей обеспечить максимальную точность оценки рыночного риска при использовании моделей GARCH-VaR. В работе анализируется соответствие фактического распределения приращений процентных ставок, доходности облигаций и кредитных спредов на российском рынке 19 различным вероятностным распределениям на основе теста Андерсона-Дарлинга с использованием параметрического бутстрапа и осуществляется сравнение моделей VaR для прогнозирования квантилей приращений риск-факторов. Для учета временной изменчивости волатильности применяется модель GARCH–X, спецификация которой позволяет моделировать нелинейную зависимость волатильности приращений процентных ставок от уровня ставок. Согласно результатам тестов безусловного и условного покрытия, обобщенное гиперболическое распределение обеспечивает наиболее высокую точность вневыборочных прогнозов среди построенных параметрических моделей. Более простая в части спецификации и процедуры оценивания полупараметрическая модель FHS демонстрирует сопоставимое качество прогнозов. Исходя из полученных результатов сформулированы рекомендации по оценке VaR для облигаций и производных финансовых инструментов.
-
УДК:330.43(470)
-
DOI: DOI — Digital Object Identifier — цифровой идентификатор объекта. Современный стандарт обозначения объектов информационной деятельности в сети Интернет, позволяющий идентифицировать и искать научные данные, размещённые в сети Интернет и привязывать к объекту дополнительные метаданные. Номер DOI всегда остаётся неизменным, который позволяет найти объект, даже если сведения о нем не полные или не точные.
Рекомендовано к ознакомлению
- 1. Пустовалова, А.А. Эконометрическая оценка влияния денежно-кредитной политики на долговую нагрузку российских компаний в отраслевом разрезе / А. А. Пустовалова, Т. Магжанов, А. Мирзоян // Деньги и кредит. — Москва, 2025 — N 4. Том 84. — С.3-21.
- 2. Коршунов, И.Д. Двухрегиональная DSGE-модель экономики ЦФО с бюджетным сектором / И. Д. Коршунов. — Москва : Банк России, апрель 2026. — 36 с.. — (Серия докладов об экономических исследованиях. № 168).
- 3. Зверев, И.О. Оценка разрыва выпуска России / И. О. Зверев, Н. В. Кисляк // Деньги и кредит. — Москва, 2025 — N 4. Том 84. — С.22-46.
- 4. Shulgin, A. MARS: DSGE model with agent, regional and sectoral heterogeneity / A. Shulgin, A. Novak. — Moscow : Bank of Russia, july 2026. — 107 p.. — (Working Paper Series. # 175).
- 5. Шульгин, А.Г. MARS: DSGE-модель с агентской, региональной и отраслевой неоднородностью / А. Г. Шульгин, А. Е. Новак. — Москва : Банк России, июль 2026. — 109 с.. — (Серия докладов об экономических исследованиях. № 175).
- 6. Направления экономических исследований в Банке России в 2026-2028 годах / Центральный банк Российской Федерации, Департамент исследований и прогнозирования. — Москва : Банк России, февраль 2026. — 53 с.
- 7. Bank of Russia agenda for economic research in 2026-2028 / The Central Bank of the Russian Federation, Research and Forecasting Department. — Moscow : Bank of Russia, february 2026. — 51 p.
- 8. Езиев, У.А. Анализ волатильности криптовалют с использованием моделей условной гетероскедастичности / У. А. Езиев // Финансовые рынки и банки. — Москва, 2026 — N 5. — С.341-344.
- 9. Минасян, В.Б. Исследование шкал стохастического ранжирования финансовых рисков различного уровня катастрофичности / В. Б. Минасян // Финансы : теория и практика. — Москва, 2026 — N 3. Том 30. — С.214-229.
- 10. Кобаненко, М.В. Оценка риска инвестиционного портфеля методом value-at-risk (VAR) / М. В. Кобаненко // Финансовый бизнес. — Москва, 2025 — N 10. — С.136-140.
Отзывы читателей
0