Working Papers

Seria wydawnicza WNE WORKING PAPERS prowadzona jest przez WNE UW od 2008 r. i jak dotąd opublikowano w niej ponad 400 prac.

Seria WNE Working Papers służy szybkiemu upowszechnianiu wyników badań prowadzonych na Wydziale Nauk Ekonomicznych UW. Publikowane tu teksty mają charakter wersji roboczych (pre-printów): mogą być uzupełniane lub poprawiane w miarę postępu prac nad tekstem i procesu wydawniczego. Prezentujemy aktualną wersję udostępnioną przez autorów, opatrzoną datą oraz identyfikatorami DOI/ISSN – co ułatwia jej cytowanie i śledzenie kolejnych iteracji. Każdy dokument zachowuje pełne prawa autorskie swoich twórców, a w przypadku późniejszych zmian, autorzy mogą w dowolnym momencie zamieścić zaktualizowany plik lub wskazać miejsce ostatecznego wydania.

Do serii WORKING PAPERS przyjmowane są artykuły pracowników naukowych WNE UW oraz publikacje z konferencji organizowanych na WNE UW. Artykuły powinny dotyczyć ekonomii, mieć charakter oryginalnych prac badawczych, nie być wcześniej publikowane. Przyjmowane są wyłącznie teksty w języku angielskim.

Prace prosimy przesyłać e-mailem na adres: hBqbC/]{l29$_fXxJ.ij^W#AvZ`]#[`.dN&xElN}ysS}Pg+7_bg9j3!KM

Prosimy przesyłać dwa pliki:

(1) główny tekst bez podania tytułu artykułu oraz autorów (plik DOC/DOCX) oraz

(2) stronę tytułową zawierającą: tytuł opracowania, autorów oraz ich afiliację (plik DOC/DOCX). 

Przed przesłaniem tekstu prosimy zapoznać się z szczegółowymi wymogami edycyjnymi.

Redaktorem wydawniczym serii Working Papers jest dr Maciej Bukowski.

Ilość wyników 2

WP(6/2016)197. EWS-GARCH: New Regime Switching Approach to Forecast Value-at-Risk

Autorzy: Chlebus Marcin
In the study a proposal of two-step EWS-GARCH models to forecast Value-at-Risk is presented. The EWS-GARCH allows different distributions of returns to be used in Value-at-Risk forecasting depending on a forecasted state of the financial time series.…

WP197. EWS-GARCH: New Regime Switching Approach to Forecast Value-at-Risk

In the study a proposal of two-step EWS-GARCH models to forecast Value-at-Risk is presented. The EWS-GARCH allows different distributions of returns to be used in Value-at-Risk forecasting depending on a forecasted state of the financial time series. In the study EWS-GARCH with GARCH(1,1) and GARCH(1,1) with the amendment to the empirical distribution of returns as a Value-at-Risk model in a state of tranquillity and empirical tail, exponential or Pareto distributions used to forecast Value-at-Risk in a state of turbulence were considered. The evaluation of the quality of the Value-at-Risk forecasts was based on the Value-at-Risk forecasts adequacy (the excess ratio, the Kupiec test, the Christoffersen test, the asymptotic test of unconditional coverage and the back-testing criteria defined by the Basel committee) and the analysis of loss functions (the Lopez quadratic loss function, the Abad & Benito absolute loss function, the 3rd version of Caporin loss function and proposed in the study the function of excessive costs). Obtained results indicate that the EWS-GARCH models may improve the quality of the Value-at-Risk forecasts generated using benchmark models. However, the choice of best assumptions for an EWS-GARCH model should depend on the goals of the Value-at-Risk forecasting model. The final selection may depend on an expected level of adequacy, conservatism and costs of a model.


Chlebus Marcin
Value-at-Risk GARCH forecasting state of turbulence regime switching risk management risk measure market risk.

WP(1/2016)192. One-Day Prediction of State of Turbulence for Portfolio. Models for Binary Dependent Variable.

Autorzy: Chlebus Marcin
This paper proposes an approach to predict states (states of tranquillity and turbulence) for a current portfolio in a one-day horizon. The prediction is made using 3 different models for a binary variable (LOGIT, PROBIT, CLOGLOG), 4 definitions of a…

WP192. One-Day Prediction of State of Turbulence for Portfolio. Models for Binary Dependent Variable.

This paper proposes an approach to predict states (states of tranquillity and turbulence) for a current portfolio in a one-day horizon. The prediction is made using 3 different models for a binary variable (LOGIT, PROBIT, CLOGLOG), 4 definitions of a dependent variable (1%, 5%, 10%, 20% of worst realization of returns), 3 sets of independent variables (untransformed data, PCA analysis and factor analysis). Additionally an optimal cut-off point analysis is performed. The evaluation of the models was based on the LR test, Hosmer-Lemeshow test, GINI coefficient analysis and KROC criterion based on the ROC curve. 
Six combinations of assumptions have been chosen as appropriate (any model for a binary variable, the dependent variable defined as 5% or 10% of worst realization of returns, untransformed data, 5% or 10% cut-off point respectively). Models built on these assumptions meet all the formal requirements and have a high predictive and discriminant ability.


Chlebus Marcin
prediction state of turbulence regime switching risk management risk measure market risk.
  • 1