Abstracts - Objetive 2 - 4th Group

1. García‐Jorcano, L. y Novales, A., (2017b), proporcionan evidencia acerca de que el supuesto sobre la distribución de probabilidad para innovaciones de las rentabilidades es más influyente para la performance del Value at Risk (VaR) que la especificación de volatilidad condicional. También mostramos que en dicha estimación debería preferirse algunas distribuciones de probabilidad asimétricas recientemente propuestas, junto con las especificaciones de volatilidad APARCH y FGARCH. De hecho, nuestras estimaciones sugieren que, para una serie de activos financieros, la dinámica de la volatilidad debe especificarse en términos de la desviación estándar condicional.
   
   
2. Benito, S., López‐Martin, C., y Navarro,M.A., (2018), analizan la relevancia de la elección de umbral en la estimación del valor en riesgo y el expected shortfall en el caso del enfoque Peak over Threshold, mostrando la relativa independencia de las estimaciones numéricas respecto de dicha elección.
   
   
3. García‐Jorcano, L., y Novales, A., (2017a), utilizan datos del mercado de acciones para analizar la calidad de modelos y procedimientos alternativos para predecir el Expected Shortfall (ES) a diferentes niveles de significación. Calculamos las predicciones del ES a) a partir de modelos condicionales utilizando distribuciones completas para las rentabilidades, b) a partir de modelos que se centran en eventos de cola utilizando la teoría de valores extremos (EVT), y c) utilizando el enfoque semiparamétrico de Simulación Histórica Filtrada (FHS) para las predicciones de ES, que permite obtener predicciones del ES 10 días hacia delante, combinando además FHS con EVT. Nuestros resultados sugieren que: a) los modelos condicionales basados en EVT producen predicciones del ES más precisas a 1 y a 10 días que los modelos no basados en EVT, b) las distribuciones de probabilidad asimétricas para las innovaciones de las rentabilidades tienden a producir mejores predicciones, y c) la incorporación de la EVT a enfoques paramétricos o semiparamétricos también mejora la performance de predicción del ES. La combinación de EVT y FHS parece ser el mejor enfoque para obtener predicciones del ES más precisas.
   
   
4. Garcia‐Jorcano, L. y A. Novales, (2018), introducen tres criterios de dominancia para comparar la performance de modelos alternativos de predicción del VaR a partir de los resultados proporcionados por una batería de contrastes de validación del VaR. Estos criterios ofrecen la posibilidad de resumir de manera eficiente la gran cantidad de información estadística generada sin la necesidad de condicionar a un nivel de significación dado. Utilizando un amplia número de activos de naturaleza diferente, observamos que: i) la suposición sobre la distribución de probabilidad para las innovaciones de las rentabilidades es más influyente en la performance del Value at Risk (VaR) que la especificación de volatilidad condicional, ii) las distribuciones skewed Generalized Error, skewed Generalized‐t y unbounded Johnson SU proporcionan mejores performance del VaR, y iii) la flexibilidad adicional que proporciona el parámetro libre de la potencia de la volatilidad condicional en los modelos APARCH y FGARCH permite una mejor adaptación a la distribución total de las rentabilidades, pero no mejora las predicciones del VaR obtenidas con el modelo GJR‐GARCH.
   
   
5. Lafuente, J.A., N. Petit, J. Ruiz, y P. Serrano, (2017), analizan el riesgo interbancario utilizando el contenido informativo de los spreads cotizados en los swaps de tipos de interés (floating‐to‐ floating), cuyos pagos están asociados a tipos de interés de eurodepósitos apara diferentes horizontes (tenors). Se propone un modelo empírico que descompone dichos spread en componentes esperado y no esperado mediante un problema de extracción de señales utilizando un filtro particular. Los resultados obtenidos muestran que los cambios no esperados en los spread cotizados en los swap están vinculados al nivel de riesgo sistémico. Los shocks sobre el nivel de liquidez agregada son asimismo importantes para explicar los aparentes cambios de régimen. El riesgo soberano y el grado de aversión al riesgo son factores relevantes para explicar las fluctuaciones esperadas.
   
   
6. Chang, C., J.A. Jiménez‐Martín, M. McAleer, E. Maasoumi, T. Pérez‐Amaral, (2017) utilizan test formales de dominancia estocástica para analizar si sustituir el uso del Value‐at‐Risk al 99% (VaR99) por el Expected Shortfall al 97.5% (ES97.5) como sugiere Basel III tiene consecuencias sobre los requerimientos de capital de los bancos. El cambio de VaR99 a ES97.5 va a tener consecuencias en términos de cantidad y calidad del requerimiento de capital exigido a los bancos. De acuerdo con BSBC (2013, página 18), el comité piensa que el cambio es apropiado. Los tests de dominancia estocástica muestras que la distribución de los requerimientos de capital calculados utilizando ES97.5 dominan estocásticamente a aquellos calculados utilizando VaR99. Esto significa que desde el punto de vista de un gestor de la política económica que posea una función de utilidad sobre los requerimientos de capital con utilidad marginal positiva y la segunda derivada negativa (con aversión al riesgo) siempre va a preferir la distribución de requerimientos de capital producidos cuando se utiliza como medida de riesgo ES97.5. La principal contribución de este artículo es introducir el concepto de dominancia estocástica para evaluar el resultado del cambio en la política económica de la autoridad monetaria de sustituir la métrica que los bancos deben utilizar para medir el riesgo a partir del cual se van a calcular los requerimientos de capital.

Go back to Objective 2