dc.contributor.author | Ganczarek, Alicja | |
dc.date.accessioned | 2016-03-22T11:01:34Z | |
dc.date.available | 2016-03-22T11:01:34Z | |
dc.date.issued | 2006 | |
dc.identifier.issn | 0208-6018 | |
dc.identifier.uri | http://hdl.handle.net/11089/17512 | |
dc.description.abstract | This 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.abstract | Podejmując 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.sponsorship | Zadanie 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.iso | en | pl_PL |
dc.publisher | Wydawnictwo Uniwersytetu Łódzkiego | pl_PL |
dc.relation.ispartofseries | Acta Universitatis Lodziensis. Folia Oeconomica;196 | |
dc.subject | Day Ahead Market | pl_PL |
dc.subject | Balance Market | pl_PL |
dc.subject | futures market | pl_PL |
dc.subject | risk measures | pl_PL |
dc.subject | Value-at-Risk | pl_PL |
dc.subject | Conditional-Value-at-Risk | pl_PL |
dc.subject | variance-covariance | pl_PL |
dc.subject | Monte Carlo simulation | pl_PL |
dc.subject | historical simulation | pl_PL |
dc.subject | GED distribution | pl_PL |
dc.title | Applications of VaR and CVaR Methods on Energy Market in Poland | pl_PL |
dc.title.alternative | Zastosowanie metod VaR oraz CVaR na rynku energii w Polsce | pl_PL |
dc.type | Article | pl_PL |
dc.rights.holder | © Copyright by Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2006 | pl_PL |
dc.page.number | 255-269 | pl_PL |
dc.contributor.authorAffiliation | The Karol Adamiecki University of Economics, Katowice, Department of Statistics | pl_PL |
dc.references | Blanco C. (1998), “Value-at-Risk of Energy: Is VaR Useful to Manage Energy Price Risk” , Commodities-Now, December, 62-71. | pl_PL |
dc.references | Jajuga K., Jajuga T. (1998), Inwestycje" instrumenty finansowe, ryzyko finansowe, inżynieria finansowa, Wydawnictwo Naukowe PWN, Warszawa. | pl_PL |
dc.references | Ogryczak W., Ruszczyński A. (2002), “Dual Stochastic Dominance and Quantile Risk Measures”, International Transactions in Operational Research, 9, 661-680. | pl_PL |
dc.references | Pflug. 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.references | Piontek 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.references | Purczyński 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.references | Rockafellar R. T., Uryasev S. (2000), “Optimization of Conditional Value-at-Risk” , Journal o f Risk, 2, 21-41. | pl_PL |
dc.references | Tarczyński W. (1997), Rynki kapitałowe: metody ilościowe, Agencja Wydawnicza Placet, Warszawa. | pl_PL |
dc.references | Tarczyński W. (1999), Inżynieria finansowa, Agencja Wydawnicza Placet, Warszawa. | pl_PL |
dc.references | Trzpiot G., Ganczarek A. (2003), “Risk on Polish Energy Market” , Dynamiczne Modele Ekonometryczne, 8, 175-182. | pl_PL |
dc.references | Weron A., Weron R. (1998), Inżynieria finansowa: wycena instrumentów pochodnych, symulacje komputerowe, statystyka rynku, Wydawnictwo Naukowo-Techniczne, Warszawa. | pl_PL |
dc.references | Weron A., Weron R. (2000), Giełda energii: strategie zarządzania ryzykiem, Centrum Informacji o Rynku Energii, Wrocław. | pl_PL |