EVT �? CAViaR 모형�? �?�한 국고채 VaR 예측모형 분�? (VaR Forecasts for Korea Treasury Bonds via EVT and CAViaR Models)

Abstract

Korean Abstract: 본 논문�?� 시장리스�?��?� 주�?� 측정수단�?� VaR(value at risk)�?� 여러 예측모형�?� 한국�?� 국고채(1년, 5년, 10년 만기 할�?�채) 보유수�?�률�? �?용하여 비�? 분�?하였다. 특히 EVT(extreme value theory)를 �?용한 모형과 CAViaR(conditional autoregressive value at risk) 모형�?� 예측성과�? 초�?�?� 맞추었다. 실�? 분�? 결과, 채권 보유수�?�률�?� GARCH(generalized autoregressive conditional heteroskedasticity) 모형�? 필터�?한 후 EVT를 �?용한 EVT-GARCH 모형�?� 성과가 1% �? 5% VaR 예측 모�?�?게서 우수한 것으로 나타나, 기존�? �?리 사용�?�고 있는 역사�? 시뮬레�?�션�?�나 RiskMetrics 등�?� �?�함한 본 논문�?� 고려하고 있는 여러 모형 중�?서 가장 우수한 VaR 예측성과를 나타났다. 한편, CAViaR 모형들�?� 경우 �?�부 모형�?� 1% VaR�?서 우수한 예측성과를 보였지만 EVT-GARCH 모형�?� 성과�?는 미치지 못하였다. English Abstract: In this paper, we compare various forecasting models for VaR(value at risk), which is the main measure of market risk, by applying them to Korea Treasury Bonds (1-year, 5-year, and 10-year maturity discount bonds). In particular, we focus on the predictive performance of the extreme value theory(EVT) models and the conditional autoregressive value at risk(CAViaR) models. Our empirical analysis shows that the EVT-GARCH model, which uses the EVT after filtering bond returns through the GARCH(generalized autoregressive conditional heteroskedasticity) model, performs well in the 1% and 5% VaR forecasts. On the other hand, some CAViaR models show good forecasting performance at 1% VaR, but not sufficient to outperform the EVT-GARCH model.