Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Multi-period Portfolio Optimisation Using a Regime-Switching Predictive Framework Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Monte Carlo Value-At-Risk and Expected Shortfall of Efficient-Frontier Investment Portfolios: Testing Gaussian Versus Vine Copulas and Normal Versus Empirical Marginals

verfasst von : Poomjai Nacaskul, Kongkan Kalakan, Napat Tonglongya

Erschienen in: New Perspectives and Paradigms in Applied Economics and Business

Verlag: Springer Nature Switzerland

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We examined historical return distributions of 60 global investment funds, generated mean–variance efficient frontier “funds of funds”, and compared the industry-standard risk metrics, notably Value-at-Risk (VaR) and Expected Shortfall (ES), obtained from parametric Monte Carlo simulations under 3 sets of assumptions, namely multivariate normality, Gaussian copula with empirical marginals, and vine copula with empirical marginals, to see which came closest to results from historical Monte Carlo simulations, herewith taken as ground truth. We found that multivariate normality runs got closest to historical simulation in terms of mean and standard deviation (quite a surprise) but fared worst in terms of VaR and ES (to be expected). In addition, vine copula runs outperformed Gaussian copula runs, albeit the performance differentials were less dramatic when compared with the gain from ditching Gaussian marginals in favour of empirical marginals.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Airbnb Dynamic Pricing Using Machine Learning
Nächstes Kapitel The Effect of Video Reviews on Consumers of Generation Z in Vietnam
Literatur
1.
Markowitz, H.: Portfolio selection. J. Financ. 7(1), 77–91 (1952)
2.
Markowitz, H.: Portfolio Selection: Efficient Diversification of Investments. Yale University Press, New Haven, CT (1959)
3.
Rubenstein, M.: Markowitz's “Portfolio Selection”: a fifty-year retrospective. J. Financ. 57(3), 1041–1045 (2002)
4.
Guerard, Jr., J.B.: Markowitz for the masses: the risk and return of equity and portfolio construction techniques. In: Guerard, Jr., J.B. (ed.) Handbook of Portfolio Construction: Contemporary Applications of Markowitz Techniques. Springer, New York, NY (2010)
5.
Sharpe, W.F.: A theory of market equilibrium under conditions of risk. J. Financ. 19(3), 425–442 (1964)
6.
Mandelbrot, B.: The variation of certain speculative prices. J. Bus. 36(4), 394–419 (1963)
7.
Fama, E.F.: The behavior of stock-market prices. J. Bus. 38(1), 34–105 (1965)
8.
Blattbert, R.C., Gonedes, N.J.: A comparison of the stable and student distributions as statistical models for stock prices. J. Bus. 47(2), 244–280 (1974)
9.
Jorion, P.: Value at Risk: The New Benchmark for Managing Financial Risk. McGraw-Hill (2006)
10.
McNeil, A.J., Frey, R.: Estimation of tail-related risk measures for heteroscedastic financial time series: an extreme value approach. J. Empir. Financ. 7(3–4), 271–300 (2000)
11.
Sklar, A.: Fonctions de répartition à n dimensions et leurs marges. Publications de l’Institut de statistique de l’Université de Paris (in French) 8, 229–231 (1959)
12.
Nelsen, R.B.: Introduction to Copulas (Springer Series in Statistics). Springer Science+Business Media, Inc., New York, NY (2006)
13.
Cherubini, et al.: Dynamic copula methods in finance. John Wiley & Sons, Chichester (2012)
14.
Joe, H.: Dependence Modeling with Copulas (Monographs on Statistics and Applied Probability 134. CRC Press, Boca Raton, FL (2015)
15.
Jaworski, P., Durante, F., Härdle, W.K.: Copulae in mathematical and quantitative finance (Lecture Notes in Statistics 213). In: Proceedings of the Workshop Held in Cracow, 10–11 July 2012. Springer, Heidelberg (2013)
16.
Hua, L., Joe, H.: Tail order and intermediate tail dependence of multivariate copulas. J. Multivar. Anal. 102, 1454–1471 (2011)CrossRef
17.
Cherubini, U., Gobbi, F., Sabrina, M.: Convolution Copula Econometrics. Springer, Cham (2016)
18.
Flores, et al.: Copulas and Dependence Models with Applications: Contributions in Honor of Roger B. Nelsen. Springer, Cham (2017)
19.
20.
Nacaskul, P., Sabborriboon, W.: Gaussian Slug–Simple Nonlinearity Enhancement to the 1-Factor and Gaussian Copula Models in Finance, with Parametric Estimation and Goodness-of-Fit Tests on US and Thai Equity Data. In: 22nd Australasian Finance and Banking Conference, December 16th–18th, SYDNEY (2009). [http://​papers.​ssrn.​com/​abstract=​1460576]
21.
22.
23.
24.
Metadaten
Titel
Monte Carlo Value-At-Risk and Expected Shortfall of Efficient-Frontier Investment Portfolios: Testing Gaussian Versus Vine Copulas and Normal Versus Empirical Marginals
verfasst von
Poomjai Nacaskul
Kongkan Kalakan
Napat Tonglongya
Copyright-Jahr
2024
Buch
New Perspectives and Paradigms in Applied Economics and Business

Print ISBN: 978-3-031-49950-0

Electronic ISBN: 978-3-031-49951-7

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-3-031-49951-7_5