Pokaż uproszczony rekord

dc.contributor.authorGanczarek, Alicja
dc.date.accessioned2016-03-22T11:01:34Z
dc.date.available2016-03-22T11:01:34Z
dc.date.issued2006
dc.identifier.issn0208-6018
dc.identifier.urihttp://hdl.handle.net/11089/17512
dc.description.abstractThis article presents downside risk measures such as: Value-at-Risk - VaR and Conditional Value-at-Risk - CVaR. We establish them with three of the known methods. The electric energy is an article of real tame, which we can not store up and this influences on changes of price. The downside risk measures are more effective than the measures of volatility for estimate risk on electric energy market. The aim this article is the choice of VaR and CVaR methods, that are the most effective for future risk on the Polish energy market. In this investigation we use the logarithmic rate of return of prices from the Polish Power Exchange, Balance Market (BM) from October to December 2002 and their simulation distributions.pl_PL
dc.description.abstractPodejmując decyzje związane z przyszłością, podejmujemy ryzyko. Ocena ryzyka jest oceną subiektywną i w głównej mierze zależy od preferencji inwestorów. Niemniej jednak, aby ocenić ewentualne przyszłe ryzyko, należy go zmierzyć. Jest wiele różnych miar służących do jego pomiaru. W artykule skupiliśmy się nad kwantylowymi miarami zagrożenia Value-at-Risk - VaR oraz Conditional Value-at-Risk - CVaR. Będziemy te miary wyznaczać trzema znanymi metodami. Energia elektryczna jest towarem czasu rzeczywistego, którego się nie magazynuje, co w znacznym stopniu wpływa na kształtowanie się jej cen. Miary najgorszych realizacji spośród możliwych są efektywniejsze w przypadku oszacowania ryzyka na rynku energii niż miary przeciętne. Celem referatu jest wybór takiej spośród metod wyznaczania VaR oraz CVaR, aby najprecyzyjniej oszacować ewentualne przyszłe ryzyko straty na polskim rynku energii. Wyniki badań oparte są na logarytmicznych stopach zwrotu cen zanotowanych na Towarowej Giełdzie Energii oraz Rynku Bilansującym (RB) w okresie od 1 października do końca 2002 r., oraz na symulowanych rozkładach tych stóp zwrotu.pl_PL
dc.description.sponsorshipZadanie pt. „Digitalizacja i udostępnienie w Cyfrowym Repozytorium Uniwersytetu Łódzkiego kolekcji czasopism naukowych wydawanych przez Uniwersytet Łódzki” nr 885/P-DUN/2014 zostało dofinansowane ze środków MNiSW w ramach działalności upowszechniającej naukę.pl_PL
dc.language.isoenpl_PL
dc.publisherWydawnictwo Uniwersytetu Łódzkiegopl_PL
dc.relation.ispartofseriesActa Universitatis Lodziensis. Folia Oeconomica;196
dc.subjectDay Ahead Marketpl_PL
dc.subjectBalance Marketpl_PL
dc.subjectfutures marketpl_PL
dc.subjectrisk measurespl_PL
dc.subjectValue-at-Riskpl_PL
dc.subjectConditional-Value-at-Riskpl_PL
dc.subjectvariance-covariancepl_PL
dc.subjectMonte Carlo simulationpl_PL
dc.subjecthistorical simulationpl_PL
dc.subjectGED distributionpl_PL
dc.titleApplications of VaR and CVaR Methods on Energy Market in Polandpl_PL
dc.title.alternativeZastosowanie metod VaR oraz CVaR na rynku energii w Polscepl_PL
dc.typeArticlepl_PL
dc.rights.holder© Copyright by Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2006pl_PL
dc.page.number255-269pl_PL
dc.contributor.authorAffiliationThe Karol Adamiecki University of Economics, Katowice, Department of Statisticspl_PL
dc.referencesBlanco C. (1998), “Value-at-Risk of Energy: Is VaR Useful to Manage Energy Price Risk” , Commodities-Now, December, 62-71.pl_PL
dc.referencesJajuga K., Jajuga T. (1998), Inwestycje" instrumenty finansowe, ryzyko finansowe, inżynieria finansowa, Wydawnictwo Naukowe PWN, Warszawa.pl_PL
dc.referencesOgryczak W., Ruszczyński A. (2002), “Dual Stochastic Dominance and Quantile Risk Measures”, International Transactions in Operational Research, 9, 661-680.pl_PL
dc.referencesPflug. G. Ch. (2000), “Some Remarks on the Value-at-Risk and the Conditional Value-at-Risk” . In: Uryasev S. (ed.), Probabilistic Constrained Optimization: Methodology and Applications, Kulwer, Academic Publishers.pl_PL
dc.referencesPiontek К. (2002), “Measuring Value-at-Risk and AR-GARCH Models with Fat-tailed Conditional Distribution of Error Term”. In: Tarczyński W. (ed.), Rynek kapitałowy: skuteczne inwestowanie, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin, 467-483.pl_PL
dc.referencesPurczyński J. (2002), “Estimation of Generalized Error Distribution Parameters”. In: Tarczyński W. (ed.), Rynek kapitałowy: skuteczne inwestowanie, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin, 69-86.pl_PL
dc.referencesRockafellar R. T., Uryasev S. (2000), “Optimization of Conditional Value-at-Risk” , Journal o f Risk, 2, 21-41.pl_PL
dc.referencesTarczyński W. (1997), Rynki kapitałowe: metody ilościowe, Agencja Wydawnicza Placet, Warszawa.pl_PL
dc.referencesTarczyński W. (1999), Inżynieria finansowa, Agencja Wydawnicza Placet, Warszawa.pl_PL
dc.referencesTrzpiot G., Ganczarek A. (2003), “Risk on Polish Energy Market” , Dynamiczne Modele Ekonometryczne, 8, 175-182.pl_PL
dc.referencesWeron A., Weron R. (1998), Inżynieria finansowa: wycena instrumentów pochodnych, symulacje komputerowe, statystyka rynku, Wydawnictwo Naukowo-Techniczne, Warszawa.pl_PL
dc.referencesWeron A., Weron R. (2000), Giełda energii: strategie zarządzania ryzykiem, Centrum Informacji o Rynku Energii, Wrocław.pl_PL


Pliki tej pozycji

Thumbnail

Pozycja umieszczona jest w następujących kolekcjach

Pokaż uproszczony rekord