主要数字货币的风险价值和预期缺口

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Value-at-Risk and Expected Shortfall for the major digital currencies》
---
作者：
Stavros Stavroyiannis
---
最新提交年份：
2017
---
英文摘要：
  Digital currencies and cryptocurrencies have hesitantly started to penetrate the investors, and the next step will be the regulatory risk management framework. We examine the Value-at-Risk and Expected Shortfall properties for the major digital currencies, Bitcoin, Ethereum, Litecoin, and Ripple. The methodology used is GARCH modelling followed by Filtered Historical Simulation. We find that digital currencies are subject to a higher risk, therefore, to higher sufficient buffer and risk capital to cover potential losses.
---
中文摘要：
数字货币和加密货币已经犹豫地开始渗透到投资者手中，下一步将是监管风险管理框架。我们研究了主要数字货币比特币、以太坊、Litecoin和Ripple的风险价值和预期短缺属性。使用的方法是GARCH建模，然后进行过滤历史模拟。我们发现，数字货币面临更高的风险，因此需要更高的缓冲和风险资本来弥补潜在损失。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Risk Management        风险管理
分类描述：Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载：
--> Value-at-Risk_and_Expected_Shortfall_for_the_major_digital_currencies.pdf (385.81 KB)

2022-6-1 07:18:45 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：数字货币 风险价值 货币的 Quantitative Applications

主要数字货币的价值-风险和预期缺口斯塔夫罗斯·斯塔夫罗伊安尼斯摘要数字货币和加密货币已经犹豫地开始渗透到投资者手中，下一步将是监管风险管理框架。我们检查主要数字货币、比特币、以太坊、Litecoin和Ripple的风险价值和预期短缺属性。该方法采用isGARCH建模，然后进行过滤历史模拟。我们发现，数字货币面临更高的风险，因此需要更高的缓冲和风险资本来弥补潜在损失。关键词：比特币、以太坊、莱特币、Ripple、风险价值、预期缺口。通讯作者、希腊伯罗奔尼撒技术教育学院会计与金融系教授，电子邮件：computmath@gmail.com1.简介近几年来，数字货币和加密货币开始吸引投资者的注意。尽管有大约800种不同的实施方式浮出水面，但截至2017年7月31日，市场资本化主导地位主要是比特币（BTC，或根据ISO 4217标准的XBT），占51.14%，其次是以太坊（ETH）20.79%，Ripple 7.05%（XRP）和Litecoin2.47%。除了BTC之外，数字货币在文献中并没有引起太多关注。一个可能的原因是，到2016年底，BTC是占90%市值的主导数字货币。今年，其他数字货币的BTC下降到几乎一半的主导地位，削弱了这种主导地位。

多种作者对BTC的价格形成进行了研究（Buchholz et al.，2012；Kristoufek（2013）；van Wijk，2013年；Boouiyour和Selmi 2015；Ciian等人，2016年；Bouri等人，2017），以及需求和供应之间的相互联系（Buchholz等人，2012；Boouiyour和Selmi，2015）。这些工作的主要发现是，BTC价格主要是由供需之间的相互作用驱动的，Kristoufek（2013）表明，标准经济理论无法解释BTC的价格形成。Dyhrberg（2016a；2016b）研究了BTC是否拥有黄金的一些对冲能力，以及是否可以将其纳入市场分析师可用于对冲市场特定风险的各种工具中。BTC价格的高波动性被认为是虚拟货币的第一种泡沫形式。Phillips et al.（2013）发现了这一点，利用广义Sup ADF测试，2013年检测到两个气泡，2012年检测到anothermini气泡。BTC似乎与宏观金融发展脱节，有其自身的内在风险。Urquhart（2016）和Nadarajah and Chu（2017）对BTC市场的低效性提出了质疑。厄克哈特（2016）在早期样本的研究中得出结论，BTC处于一个效率低下的市场，但可能正在向一个效率高的市场迈进。另一方面，Nadarajahand Chu（2017）对BTC回报使用了一种奇怪的电力转换，他们表明BTC实际上是市场有效的。数字货币的一个关键问题是，目前还没有监管，也没有金融工具。

此外，关于BTCby的最初正式定义，Satoshi Nakamoto（2008），这种点对点版本的电子现金允许在线支付，而无需通过金融机构。因此，数字货币和加密货币的历史非常模糊，包括有关证券盗窃、欺诈和犯罪活动的指控（Frunza，2016）。如果投资者持有数字货币头寸，那么下一个合乎逻辑的步骤就是量化未来可能损失所需的风险和资本要求。风险管理一直是巴塞尔银行监管委员会（BCBS）达成的各种协议的主题（bcbs107b，2004；bcbs193a，2011a）。风险价值（VaR）已成为量化市场风险的标准工具，因为它可以简单地用一个数字捕捉市场风险。VaR不是次加性的，违反了多元化的概念，并在大型金融机构中提出了划分风险的聚集问题。由于VaR不是一个一致的风险度量，预期差额（ES）成为一种自然的替代方案（Acerbi&Tasche，2002），满足Artzner等人（19971999）设定的一致风险度量的所有四个公理。BCBS（BCBS\\U wp19，2011b；BCBS2192012）已考虑到这一点，巴塞尔III委员会同意用基于内部模型的方法的预期短期损失替代VaR。同样，委员会必须重新校准一致性问题的置信水平。

巴塞尔协议III委员会建议对ES使用97.5%的置信水平，而不是对VaR使用99%的置信水平。本文在现有文献中的主要贡献是，首次使用过滤历史模拟（FHS）对BTC、ETH、XRP和LTC的VaR和ES进行量化，（Barone Adesi等人，2002；Giannopoulos和Tunaru，2005），并将结果与标准普尔s&P500作为代理指数进行比较。论文的剩余部分组织如下。第2节描述了所使用的数据和经济计量方法，第3节给出了结果并讨论了结果，第4节得出结论。2、计量经济学方法2.1。数据TC价格数据来源于Cointdesk价格指数（cointdesk.com）、ETH、XRP和coinmarketcap的LTC。com和标准普尔500指数。雅虎。com，2015年8月8日至2017年7月10日。所有数字货币每周交易七天，其余系列中的缺失值按照inDyhrberg（2016a；2016b）的程序，通过对周末数据的顺序线性插值进行填充。该系列由704个数据条目组成，收益率通过收盘价的连续对数差来定义。2.2.

模型AR（1）-GJR（1,1）模型的动力学（Glosten et al.，1993）表示为：    (1)    （2） 在哪里  和  是ARCH和GARCH系数，  杠杆效应是否捕获了回报波动的不对称效应，以及  指示器功能在以下情况下取值1  否则为零，残差遵循标准皮尔逊IV型（PIV）分布（Stavroyiannis et al.，2012），           哪里是Gamma函数，并且  假想单位。所有编程均使用MathWorks(R)计算语言Matlab进行。3、计量经济学方法的结果3.1。描述性统计和程式化事实回报的描述性统计如表1所示。所有序列都表现出统计上显著的偏斜和峰度，Jarque-Bera检验显示偏离正态性。ARCH测试表明，所有系列均表现出异向性。平方残差的肺盒检验对所有序列都具有统计学意义，并显示出自相关的存在。返回显示XRP和LTC的自相关。

与标准普尔500指数相比，虚拟货币的一个显著差异是回报率和标准差高出一个数量级。表1返回序列的描述性统计。平均标准。歪曲库尔特。J、 B.ARCH（12）LB（12）LB-2（12）S&P5000.00020.007-0.253*9.245*1150*12.53*14.39214.3*BTC0.00310.031-0.979*8.445*980.7*7.549*8.090109.06*ETH0.00810.0750.685*7.780*723.2*7.904*20.39146.61*XRP0.00450.0744.183*67.80*1。e+5*8.006*48.52*114.34*LTC0.00360.0502.378*24.41*14088*4.036*28.94*51.818*注：J.B.为正态性零点的统计；ARCH（12）表示异方差检验，LB（12）表示序列相关性的Ljung–Box检验统计量，LB-2（12）表示分别具有12个滞后的平方残差上序列相关性的Ljung–Box检验统计量。（*）表示5%临界水平的统计显著性。时间序列收益的相关性如表2所示。表2:P500BTCETHXRPTLTCS和P500-0.0292-0.0080-0.01300.0045BTC-0.02920.148010.52980.1054ETH-0.00800.148010.09490.0158XRP-0.01300.529820.09490.1745LTC0.00450.105390.01580.1745数字货币与标准普尔500代理市场的相关性是实际存在的。BTC-XRP对的相关性最高（0.53），ETH-LTC对的相关性最低（0.016）。将其余相关性按降序排列，得到BTC-ETH（0.15）、XRP-LTC（0.17）、BTC-LTC（0.10）和TH XRP（0.095）。3.2.

单变量GARCH结果单变量GARCH方法的结果如表3所示。表3单变量GJR（1,1）模型的结果。标准普尔500 BTCETHXRPLTC2.2e-040.0024*0.0031-0.00160.00110.0845*-0.0911*0.0279-0.0035-0.0936*2.3e-05*1.3e-052.6e-042.3e-042.1e-050.00000.2665*0.2820*0.50510.1855*0.9065*0.8488*0.6983*0.5562*0.8937*0.1903*-0.2232*0.0429-0.1296-0.1679*-0.09430.2439-0.7575*-0.3397*-0.3125*2.5570*3.2421*3.7934*2.7649*2.5237*（*）表示5%临界水平的统计显著性。参数 和 反映波动性的短期动态。拱形系数  对于BTC、ETH和LTC而言，具有统计学意义，这意味着波动性对市场波动的反应相当强烈。GARCH系数对所有序列都有统计学意义，这表明条件变量的冲击需要时间才能消失。杠杆系数对P500、BTC和LTC具有统计显著性。序列的标准化残差和平方标准化残差不具有任何剩余自相关，这是应用FHS的一个重要问题。3.3. VaR和预期空头VaR和ES的一般方法要么是基于历史模拟方法进行计算，忽略回报的结构和分布，要么在方差的参数模型上使用蒙特卡罗模拟，结合特定分布的足够大的随机数样本。FHSmethodology是通过对现有标准化残差进行自举来结合这两种方法。

通过AR（1）GJR（1,1）模型过滤掉大多数程式化事实后，特定置信水平的VaR 是解方程的分位数  哪里是公式（3）的累积分布。长期头寸的风险值水平 置信水平确定为   哪里是特定置信水平下公式（3）的累积分布函数的倒数。FHS的实施如下：；首先，通过等式（2）中的GARCH方法对资产的波动性进行建模，并使用标准化的债务进行计算。此时，必须对收益分配进行假设，并选择PIV分布。其次，不是从特定的分布中抽取随机数，而是从计算出的标准化残差中替换抽取样本。第三，利用方程（1-2）构建了假设收益，并计算了VaR和ES。对于FHS，我们考虑10万次试验，为期10个交易日。ES通过Arcebi和Tasche（2002）方法计算，     其中，匕首符号（+）表示FHS的升序排序，以及是VaR级别的整数部分乘以模拟次数。

与巴塞尔协议III委员会达成一致，由于我们同时报告了VaR和ES，长期头寸的VaR和ES结果如表4所示    [0.10、0.05、0.025、0.01]百分比。表4 VaR和预期缺口&P500（%）BTC（%）ETH（%）XRP（%）LTC（%）VaR（0.10）2.21075.552921.60919.63223.136ES（0.10）4.336811.46937.63634.53540.136VaR（0.05）3.31709.302331.29627.71233.713ES（0.05）5.986115.77449.47945.97252.530VaR（0.025）4.650913.44542.13237.00445.370ES（0.025）8.083820.46062.93660.22766.209VaR（0.01）7.170619.23959.15252.05761.299ES（0.01）11.79027.24783.59286.03687.232很明显数字货币的资本要求高于S&P500代理市场；然而，由于之前的市场主导地位，BTC的表现似乎比其他三种数字货币更加稳定。作为我们分析的下一步，我们将检验上述巴塞尔协议III委员会的假设是否适用于数字货币。假设99%VaR衡量的风险量与97.5%ES大致相同。查看表4，我们可以确认99%VaR（倒数第二行）几乎等于BTC和ETH的97.5%ES（从末尾算起的第三行），而XRP和LTC的差距较大。结论本文估计了主要数字货币10天期限内的VaR和ES风险度量。定义了AR（1）-GJR（1,1）框架来建模收益率自相关、波动率聚类和对称效应的类型化事实，并使用FHS计算风险度量。BCBS致力于加强金融体系抵御系统性风险，这将影响风险管理以及资本和流动性成本。