KOSPI의 VaR 추정을 위한 GARCH-GPD 모형의 적합성 검증

Abstract

KOSPI data의 return value of loss를 2007/11/01 부터 2009/10/31 까지 VaR의 measure를 이용해서 예측하였다. VaR을 좀더 정확하게 예측하기 위해서 loss distribution function을 normal base가 아닌 GPD base로 선택하였다. 이 선택에 대한 근거는 앞의 Extreme Value Theory이다. GPD의 parameter를 fitting 하기 위해서 maximum likelihood estimator 기법을 사용하고, 현재 market에서 실질적으로 보여지고 있는 Volatility clustering의 현상을 model에 더하여 fitting의 정도를 높이기 위해 GARCH model을 이용한 volatility prediction을 하였다. 이러한 복합적인 모델이 normal distribution assumption 이나 no-GARCH fitting model을 사용했을 때 보다 더욱 잘 fitting 된 다는 것을 violation의 갯수와 Back-Testing으로 나타내었다.

We examine the suitability of the GARCH-GPD model in predicting extreme financial losses. The GARCH-GPD model is a two-stage model consisting of the GARCH model to deal with stochastic volatility in financial time series and the GPD model to handle heavy tails in financial losses. This model is fitted to KOSPI data from 2005/10/31 to 2009/10/31 to obtain a series of one-day VaR's. We observe that these one-day VaR's based on the GARCH-GPD model perform better than those obtained by other models such as unconditional approaches and conditional normal model.