|
|
Výpočet hodnoty v riziku v R
ŽIŠKA, František
Cílem bakalářské práce je sestrojit kód v programovacím jazyce R pro výpočet kursovního rizika za použití hodnoty v riziku. První část této práce je teoretická a popisuje tři parametrické a neparametrické metody pro výpočet hodnoty v riziku a ukazuje jejich výhody a nevýhody. Druhá část této práce se zaměřuje na implementaci těchto metod výpočtu hodnoty v riziku do programovacího jazyka R a výsledkem je kód, který dokáže vypočítat kursovní riziko pomocí hodnoty v riziku pro pohledávku a závazek za použití hodnot uživatelského vstupu.
|
|
|
Odhad rizika v měsíčním horizontu na základě dvouleté časové řady
Myšičková, Ivana ; Houfková, Lucia (vedoucí práce) ; Zichová, Jitka (oponent)
V práci jsou popsány nejpoužívanější míry rizika, volatilita, hodnota v riziku (VaR) a očekávaná ztráta (ES), a modely pro měření tržního rizika jak v denním, tak v měsíčním horizontu. Jsou ukázány nedostatky použití škálovacího pravidla pro převod denního VaR a ES na dlouhodobější přenásobením odmocninou z času. Popsány jsou parametrické modely, geometrický Brownův pohyb (GBM) a proces GARCH, a neparametrické modely, historická simulace (HS) a její možná vylepšení. Tyto modely jsou následně aplikovány na reálná data a získané odhady rizika jsou porovnány. Dále je posouzena přesnost modelu pro výpočet VaR prostřednictvím backtestingu. Součástí této práce jsou simulační studie pro odhady VaR a ES za účelem posouzení přesnosti těchto odhadů.
|
|
|
Metody tvorby pojistných sazeb založené na mírách rizika
Malá, Kateřina ; Branda, Martin (vedoucí práce) ; Mazurová, Lucie (oponent)
V této práci zkoumáme míry rizika a jednu z jejich vlastností - koherenci. Zaměřujeme se zejména na hodnotu v riziku (zkráceně VaR), respektive na podmíněnou hodnotu v riziku (CVaR). Zmiňujeme také výhody CVaR oproti VaR. Dále rozebíráme nejběžnější formy složeného rozdělení, které jsou užívány v praxi. Závěrečná část této bakalářské práce je věnována numerické studii, kde počítáme střední hodnotu, rozptyl, VaR a CVaR pro konkrétní hodnoty parametrů.
|
|
|
Principal components analysis and its applications
Dubová, Mária ; Hendrych, Radek (vedoucí práce) ; Prášková, Zuzana (oponent)
V predloženej práci sa zaoberáme metódou hlavných komponentov. V prvej časti textu študujeme hlavné komponenty z rôznych aspektov, ako na- príklad ich odvodenie pre viacrozmerný náhodný vektor z obecného rozdelenia alebo rozlíšime ich výpočet na základe kovariančnej či korelačnej matice. Dôle- žitý je taktiež správny výber počtu hlavných komponentov, čím efektívne znížime počet dimenzií dát pri snahe zachovať čo najväčšie množstvo informácie. Teore- tické znalosti podkladáme ilustračnými príkladmi. V druhej časti sa zameriavame na hodnotu v riziku. Tento pojem je v práci definovaný spolu so vzťahmi na jej výpočet. Ďalej venujeme pozornosť praktickej aplikácií tohoto konceptu a metódy hlavných komponentov v prípade úrokových mier s rôznou dobou splatnosti, čo následne využijeme k výpočtu hodnoty v riziku pre rozličné portfólia. 1
|
|
|
Pokročilejší techniky agregace rizik
Dufek, Jaroslav ; Justová, Iva (vedoucí práce) ; Pešta, Michal (oponent)
V posledních několika letech je velmi oblíbená a často používaná riziková míra hodnota v riziku (VaR). VaR jako rizikovou míru používá většina finančních institucí. VaR je populární díky své snadné interpretaci a snadnému výpočtu. Určení hodnoty VaR může být problém, pokud uvažujeme několik závislých rizik. V praxi se proto VaR odhaduje. V naší práci se zabýváme teorií stochastického omezování. Na základě této teorie počítáme meze pro hodnotu VaR součtu několika závislých rizik. V další části této práce ukazujeme, jak získané meze zobecnit pomocí teorie kopul. Dále ukazujeme možný numerický algoritmus pro výpočet mezí, který můžeme použít v případě, kdy nelze provést přesný analytický výpočet. V závěrečné části této práce ukazujeme výpočty a porovnáváme výsledky na praktických příkladech.
|
|
|
Odhad rizika v měsíčním horizontu na základě dvouleté časové řady
Myšičková, Ivana ; Houfková, Lucia (vedoucí práce) ; Pešta, Michal (oponent)
V práci jsou popsány nejpoužívanější míry rizika, volatilita, hodnota v riziku (VaR) a očekávaná ztráta (ES), a modely pro měření tržního rizika jak v denním, tak v měsíčním horizontu. Jsou ukázány nedostatky použití škálovacího pravidla pro převod denního VaR a ES na dlouhodobější přenásobením odmocninou z času. Popsány jsou parametrické modely, geometrický Brownův pohyb (GBM) a proces GARCH, a neparametrické modely, historická simulace (HS) a její možná vylepšení. Tyto modely jsou následně aplikovány na reálná data a získané odhady rizika jsou porovnány. Dále je posouzena přesnost modelu pro výpočet VaR prostřednictvím backtestingu. Součástí této práce jsou simulační studie pro odhady VaR a ES za účelem posouzení přesnosti těchto odhadů.
|
|
|
Cyber risk modelling using copulas
Spišiak, Michal ; Teplý, Petr (vedoucí práce) ; Baruník, Jozef (oponent)
Kybernetické riziko nebo riziko úniku dat lze odhadnout podobně jako ostatní typy operačního rizika. Nejprve identifikujeme problémy modelů kybernetického rizika v současné literatuře. Rozsáhlý datový soubor obsahující 5 713 pozorování nám umožňuje aplikovat teorii extrémních hodnot. Používáme testy dobré shody přizpůsobené distribučním funkcím s odhadnutými parametry. Tyto testy jsou v literatuře často přehlíženy, přestože jsou nezbytné pro správné výsledky. Ztráty modelujeme samostatně ve třech různých odvětvích a pak je zkombinujeme pomocí kopule. Prostřednictvím t-testu zjišťujeme, že potenciální roční celosvětové ztráty v důsledku rizika úniku dat jsou větší než HDP České republiky. Navíc roční kybernetické riziko měřené s 99% CVaR dosahuje 2,5 % světového HDP. Na rozdíl od ostatních porovnáváme míry rizika s jinými hodnotami, což umožňuje pochopit závažnost kybernetického rizika i širšímu publiku. Odhad globálního rizika úniku dat je užitečným ukazatelem nejen pro pojišťovny, ale také pro jakoukoli organizaci zpracovávající citlivá data.
|
|
|
Odhad rizika v měsíčním horizontu na základě dvouleté časové řady
Myšičková, Ivana ; Houfková, Lucia (vedoucí práce) ; Pešta, Michal (oponent)
V práci jsou popsány nejpoužívanější míry rizika, volatilita, hodnota v riziku (VaR) a očekávaná ztráta (ES), a modely pro měření tržního rizika jak v denním, tak v měsíčním horizontu. Jsou ukázány nedostatky použití škálovacího pravidla pro převod denního VaR a ES na dlouhodobější přenásobením odmocninou z času. Popsány jsou parametrické modely, geometrický Brownův pohyb (GBM) a proces GARCH, a neparametrické modely, historická simulace (HS) a její možná vylepšení. Tyto modely jsou následně aplikovány na reálná data a získané odhady rizika jsou porovnány. Dále je posouzena přesnost modelu pro výpočet VaR prostřednictvím backtestingu. Součástí této práce jsou simulační studie pro odhady VaR a ES za účelem posouzení přesnosti těchto odhadů.
|
|
|
Risk aggregation allowing for skewness
Šimonová, Soňa ; Mazurová, Lucie (vedoucí práce) ; Zichová, Jitka (oponent)
Hlavným predmetom tejto práce je rozbor rôznych prístupov zohľadňovania šikmosti pri výpočte ekonomického kapitálu poisťovne. Na výpočet ekonomického kapitál sa v práci používajú dve alternatívne miery rizika- hodnota v riziku (VaR) a podmienená hodnota v riziku (CVaR). Prvá časť práce sa zaoberá odvodením presných vzorcov pre VaR a CVaR pre normálne rozdelené straty. Vysvetlená je úprava týchto vzorcov využívajúca Cornish-Fisherovu aproximáciu. Ďalej je popísaný prístup pracujúci s modelom lognormálneho rozdelenia, ktorý používa parameter, závislý na šikmosti. Pomocou tohto parametru sa odvodí vzorec pre šikmosť súčtu strát. Na základe znalosti šikmosti pre súčet sa získa jeho aproxi- mácia, ktorá sa využije na odvodenie vzorcov pre VaR a CVaR pre agregované straty. Nakoniec sú jednotlivé prístupy porovnané v numerickej štúdii s použitím softvéru R. 1
|
|
|
Optimalizace parametrů zajištění v pojišťovnictví
Dlouhá, Veronika ; Branda, Martin (vedoucí práce) ; Cipra, Tomáš (oponent)
Tato práce se zabývá hledáním optimálních parametrů zajištění se zaměře- ním na kvótové a škodové zajištění. Optimalizuje na základě minimální hodnoty v riziku a podmíněné hodnoty v riziku celkových nákladů pojišťovny za převzaté riziko. Dále představuje složenou náhodnou veličinu a ukazuje různé metody zís- kání jejího pravděpodobnostního rozdělení, mimo jiné aproximaci pomocí smíše- ného logaritmicky-normálního rozdělení a pomocí gamma rozdělení nebo Panje- rovu rekurzivní metodu pro spojitou severitu a numerickou metodu jejího řešení. v závěru práce lze nalézt výpočet optimálních parametrů zajištění pro složenou náhodnou veličinu na základě reálných dat. Využíváme zde různé metody stano- vení pravděpodobnostního rozdělení a pojistného. 1
|
host ::
RSS.