Aplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanos

Se aplica la teoría del valor extremo (EVT, por sus siglas en inglés), junto al enfoque de cópulas para la estimación del valor en riesgo (VaR) y el Expected Shortfall (es) de un portafolio de cinco monedas de países latinoamericanos en base dólar (COP, PEN, BRL, MXN y CLP). Se evalúa un portafolio...

Full description

Autores:
Manosalva-Galvis, Beatriz
Tipo de recurso:
Article of journal
Fecha de publicación:
2020
Institución:
Universidad Externado de Colombia
Repositorio:
Biblioteca Digital Universidad Externado de Colombia
Idioma:
spa
OAI Identifier:
oai:bdigital.uexternado.edu.co:001/7864
Acceso en línea:
https://bdigital.uexternado.edu.co/handle/001/7864
https://doi.org/10.18601/17941113.n18.04
Palabra clave:
Portfolio;
extreme value;
value at risk;
copulas
portafolio;
valor extremo;
valor en riesgo;
cópulas
Rights
openAccess
License
Beatriz Manosalva-Galvis - 2020
id uexternad2_bb8a48bbf9ed785bfdfe1628a2c31a1b
oai_identifier_str oai:bdigital.uexternado.edu.co:001/7864
network_acronym_str uexternad2
network_name_str Biblioteca Digital Universidad Externado de Colombia
repository_id_str
dc.title.spa.fl_str_mv Aplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanos
dc.title.translated.eng.fl_str_mv Application of extreme value theory and multivariate copula for VaR measurement of a currencies portfolio of Latin American countries
title Aplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanos
spellingShingle Aplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanos
Portfolio;
extreme value;
value at risk;
copulas
portafolio;
valor extremo;
valor en riesgo;
cópulas
title_short Aplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanos
title_full Aplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanos
title_fullStr Aplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanos
title_full_unstemmed Aplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanos
title_sort Aplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanos
dc.creator.fl_str_mv Manosalva-Galvis, Beatriz
dc.contributor.author.spa.fl_str_mv Manosalva-Galvis, Beatriz
dc.subject.eng.fl_str_mv Portfolio;
extreme value;
value at risk;
copulas
topic Portfolio;
extreme value;
value at risk;
copulas
portafolio;
valor extremo;
valor en riesgo;
cópulas
dc.subject.spa.fl_str_mv portafolio;
valor extremo;
valor en riesgo;
cópulas
description Se aplica la teoría del valor extremo (EVT, por sus siglas en inglés), junto al enfoque de cópulas para la estimación del valor en riesgo (VaR) y el Expected Shortfall (es) de un portafolio de cinco monedas de países latinoamericanos en base dólar (COP, PEN, BRL, MXN y CLP). Se evalúa un portafolio óptimo sin apalancamiento, uno óptimo apalancado y un portafolio con iguales ponderacio­nes para todas las divisas, y se comparan con medidas de riesgo tradicionales, incluido el ajuste de las colas pesadas de la distribución de los rendimientos de cada activo y la estimación de la relación de dependencia de estos mediante el ajuste de las cópulas Gaussiana, t y Clayton. Los resultados sugieren que la cópula de Clayton es la que recurrentemente mejora las estimaciones de riesgo para los portafolios propuestos, y que el ES arroja mejor desempeño según las pruebas de cobertura condicional y no condicional del modelo y según el por­centaje de fallos de cada medición.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-11-04 11:46:23
2022-09-08T13:42:16Z
dc.date.available.none.fl_str_mv 2020-11-04 11:46:23
2022-09-08T13:42:16Z
dc.date.issued.none.fl_str_mv 2020-11-04
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
http://purl.org/coar/resource_type/c_6501
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.local.eng.fl_str_mv Journal article
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ARTREF
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.doi.none.fl_str_mv 10.18601/17941113.n18.04
dc.identifier.eissn.none.fl_str_mv 2346-2140
dc.identifier.issn.none.fl_str_mv 1794-1113
dc.identifier.uri.none.fl_str_mv https://bdigital.uexternado.edu.co/handle/001/7864
dc.identifier.url.none.fl_str_mv https://doi.org/10.18601/17941113.n18.04
identifier_str_mv 10.18601/17941113.n18.04
2346-2140
1794-1113
url https://bdigital.uexternado.edu.co/handle/001/7864
https://doi.org/10.18601/17941113.n18.04
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.bitstream.none.fl_str_mv https://revistas.uexternado.edu.co/index.php/odeon/article/download/6886/9360
https://revistas.uexternado.edu.co/index.php/odeon/article/download/6886/9827
dc.relation.citationedition.spa.fl_str_mv Núm. 18 , Año 2020 : Enero-Junio
dc.relation.citationendpage.none.fl_str_mv 159
dc.relation.citationissue.spa.fl_str_mv 18
dc.relation.citationstartpage.none.fl_str_mv 99
dc.relation.ispartofjournal.spa.fl_str_mv Odeon
dc.relation.references.spa.fl_str_mv Acerbi, C. y Tasche, D. (2002). On the coherence of expected shortfall. Journal of Banking and Finance, 26(7), 1487-1503. https://doi.org/10.1016/S0378-4266(02)00283-2
Alba Suárez, M. A., Pineda-Ríos, W. y Deaza Chaves, J. (2019). Análisis comparativo de las metodologías de estimación semiparamétricas y vía cópulas del valor en riesgo (VaR) en el mercado accionario colombiano. Revista Mexicana de Economía y Finanzas Nueva Época, 14(2), 279-307.
Artzner, P., Delbaen, F., Eber, J.-M. y Heath, D. (1998). Coherent measures of risk. Mathematical Finance, 9(June 1996), 1-24.
Balkema, A. A. y De Haan, L. (1974). Residual life time at great age. The Annals of Probability, 2(5), 792-804. Recuperado de http://projecteuclid.org/euclid. aop/1176996548
Bob, N. K. (2013). Value at Risk Estimation. A garch- evt-Copula Approach (Master Thesis in Mathematical) Statistics Matematiska institutionen.
Bollerslev, T. (1986). generalized autoregressive conditional heteroskedasticity while conventional time series and econometric models operate under an assumption of constant variance, the arch (Autoregressive Conditional Heteroskedastic) process introduced in Engle (1982). Journal of Econometrics, 31, 307-327.
Ceballos, A. M. (2015). Implementación de cópulas para la estimación del Valor en Riesgo. Universidad del Rosario, Facultad de Economía.
Cherubini, U., Luciano, E. y Vecchiato, W. (2004). Copula methods in Finance. John Wiley & Sons.
Coles, S. (2001). An Introduction to Statistical Modeling of Extreme Values. Springer- Verlag London Limited.
Danielsson, J., Haan, L. De, Peng, L. y De Vries, C. G. (2001). Using a bootstrap method to choose the sample fraction in tail index estimation. Journal of Multivariate Analysis, 248(76), 226-248.
Di Clemente, A. y Romano, C. (2005). Measuring portfolio value-at-risk by a Copula-evt based approach. Studi Economici, 85(January), 1-22.
Embrechts, P. (2000). Extreme value theory: Potential and limitations as an integrated risk management tool. Derivative Use, Trading & Regulation, (6), 449-456.
Embrechts, P., Kluppelberg, C. y Mikosch, T. (1996). Modelling Extremal Events for Insurance and Finance. Springer.
Embrechts, P., McNeil, A. J. y Straumann, D. (2002). Correlation and dependence in risk management: Properties and pitfalls. En M. A. H. Dempster (ed.), Risk Management. Cambridge: Cambridge University Press. https://doi.org/10.1017/ cbo9780511615337.008
Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007. https://doi.org/10.2307/1912773
Feo Cediel, Y. (2016). Regular Vine Cópulas: una aplicación al cálculo de valor en riesgo. Revista de Investigación en Modelos Financieros, 2(ii), 30-64.
Fernández, V. (2008). Copula-based measures of dependence structure in assets returns. Physica A: Statistical Mechanics and Its Applications, 387(14), 3615-3628. https://doi.org/10.1016/j.physa.2008.02.055
Hotta, L. K., Lucas, E. C. y Palaro, H. P. (2008). Estimation of VaR using copula and extreme value theory. Multinational Finance Journal, 12(3/4), 205-218. https:// doi.org/10.17578/12-3/4-3
Hsu, C.-P., Huang, C.-W. y Chiou, W.-J. P. (2011). Effectiveness of copula-extreme value theory in estimating value-at-risk: Empirical evidence from Asian emerging markets. Review of Quantitative Finance and Accounting, 39, 447-468. https:// doi.org/10.1007/s11156-011-0261-0
Hussain, S. I. y Li, S. (2018). The dependence structure between Chinese and other major stock markets using extreme values and copulas. International Review of Economics and Finance, 56(February 2016), 421-437. https://doi.org/10.1016/j. iref.2017.12.002
J.P. Morgan/Reuters (1996). RiskMetrics — Technical Document. Morgan Guaranty Trust Company Risk Management Advisory.
Karmakar, M. (2017). Dependence structure and portfolio risk in Indian foreign ex¬change market: A garch-evt-Copula approach. Quarterly Review of Economics and Finance, 64, 275-291. https://doi.org/10.1016/j.qref.2017.01.007
Kole, E., Koedijk, K. y Verbeek, M. (2007). Selecting copulas for risk management. Journal of Banking and Finance, 31(8), 2405-2423. https://doi.org/10.1016/j. jbankfin.2006.09.010
Koliai, L. (2016). Extreme risk modeling: An evt-pair-copulas approach for financial stress tests. Journal of Banking and Finance, 70, 1-22. https://doi.org/10.1016/j.jbankfin.2016.02.004
Lee, S. Y. y Kim, J. H. T. (2017). Exponentiated generalized Pareto distribution: Properties and applications towards Extreme Value Theory. Communications in Statistics - Theory and Methods, August.
Loaiza, R., Gómez-González, J. E. y Melo, L. F. (2015). Latin American exchange rate dependencies: A regular vine copula approach. Contemporary Economic Policy, 33(3), 535-549. https://doi.org/10.1111/coep.12091
McNeil, A. J. (1999). Extreme Value Theory for Risk Managers. A general introduction to extreme risk. Internal Modelling and cad ii, 3, 1-22. Recuperado de http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Extreme+Value+Theory+for+Risk+Managers#0
McNeil, A. J. y Frey, R. (2000). Estimation of tail-related risk measures for heteros¬cedastic financial time series: An extreme value approach. Journal of Empirical Finance, 7, 271-300.
McNeil, A. J., Frey, R. y Embrechts, P. (2005). Quantitative Risk Management: Concepts, Techniques and Tools. Princeton University Press.
Melo, L. F. y Becerra, O. (2005). Medidas de riesgo, caracteristicas y tecnicas de medicion: una aplicacion del VaR y el es a la tasa interbancaria de Colombia. Universidad del Rosario. Universidad del Rosario. Recuperado de https://repo-sitory.urosario.edu.co/handle/10336/1060
Melo, L. F. y Becerra, O. (2008). Medidas de riesgo financiero usando cópulas: Teoría y aplicaciones Borradores de Economia, 489(4), 93. Recuperado de http://www.banrep.gov.co/docum/ftp/borra489.pdf
Nystrom, K. y Skoglund, J. (2002). Univariate extreme value theory, garch and mea¬sures of risk. Swedbank.
Palaro, H. P. y Hotta, L. K. (2006). Using conditional copula to estimate value at risk. Journal of Data Science, 4, 93-115.
Patton, A. J. (2006). Modelling asymmetric exchange rate dependence. International Economic Review, 47(2), 527-556.
Pickands, J. (1975). Statistical inference using extreme order statistics. The Annals of Statistics, 3(1), 119-131.
Quevedo, A. R. (2005). Dependencia entre activos financieros: Un ejemplo para la relación tes-dólar más allá de los supuestos. Odeon, 2(1).
Salinas, S. M., Maldonado, D. A. y Díaz, L. G. (2010). Estimación del riesgo en un portafolio de activos. Revista Apuntes del cenes, 29(50), 117-150.
Sklar, A. (1959). Fonctions de répartition àn dimensions et leurs marges. Publications de l’Institut de Statistique de l’Université de Paris, 8, 229-231.
Torres Avendaño, G. I. y Olarte Cadavid, A. M. (2009). Valor en riesgo desde un en¬foque de cópulas. AD-Minister Universidad EAFIT, 15, 113-136.
Triana, D., Torres, L. M., Alba, M. A. y Pineda-Ríos, W. (2018). Estimación Bayesiana para el cálculo del Valor en Riesgo (VaR) en modelos de series financieras con relaciones de dependencia no lineal en Colombia. Comunicaciones en Estadística, 11(2), 171-189.
Uribe, J. y Ulloa, I. (2012). La medición del riesgo en eventos extremos. Una revisión metodológica en contexto. Lecturas de Economía (76), 87-117.
Vargas, A. C. (2019). Asymmetric Volatility Spillovers of Financial Markets : An Application to Colombia. Bogotá: Universidad Nacional de Colombia.
Vose, D. (2008). A quantitative guide (3 ed.). Chichester: John Wiley & Sons.
Wang, Z., Jin, Y. y Zhou, Y. (2010). Estimating portfolio risk using garch-evt-copula model: An empirical study on exchange rate market. Lecture Notes in Electrical Engineering, 67 lnee, 65-72. https://doi.org/10.1007/978-3-642-12990-2_8
Wang, Z. R., Chen, X. H., Jin, Y. B. y Zhou, Y. J. (2010). Estimating risk of foreign exchange portfolio: Using VaR and CVaR based on garchevt-Copula model. Physica A: Statistical Mechanics and Its Applications, 389(21), 4918-4928. https://doi.org/10.1016/j.physa.2010.07.012
Yamai, Y. y Yoshiba, T. (2002). Comparative analyses of Expected Shortfall and Value-at-Risk: Their estimation error, decomposition, and optimization. Comparative Analyses of Expected Shortfall and Value-at-Risk, 20(1), 87-121.
Yamai, Y. y Yoshiba, T. (2005). Value-at-risk versus expected shortfall: A practical perspective. Journal of Banking and Finance, 29(4), 997-1015. https://doi.org/10.1016/j.jbankfin.2004.08.010
Yu, W., Yang, K., Wei, Y. y Lei, L. (2018). Measuring Value-at-Risk and Expected Shortfall of crude oil portfolio using extreme value theory and vine copula. Physica A: Statistical Mechanics and Its Applications, 490, 1423-1433. https://doi.org/10.1016/j.physa.2017.08.064
dc.rights.spa.fl_str_mv Beatriz Manosalva-Galvis - 2020
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
rights_invalid_str_mv Beatriz Manosalva-Galvis - 2020
http://purl.org/coar/access_right/c_abf2
https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
text/html
dc.publisher.spa.fl_str_mv Facultad de Finanzas, Gobierno y Relaciones Internacionales
dc.source.spa.fl_str_mv https://revistas.uexternado.edu.co/index.php/odeon/article/view/6886
institution Universidad Externado de Colombia
bitstream.url.fl_str_mv https://bdigital.uexternado.edu.co/bitstreams/820d9975-a0c5-4ff8-826a-825fa409c1fd/download
bitstream.checksum.fl_str_mv 4db3a751ad1772b2161850963967a7aa
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Universidad Externado de Colombia
repository.mail.fl_str_mv metabiblioteca@metabiblioteca.org
_version_ 1814100472560091136
spelling Manosalva-Galvis, Beatrizbfaa9872-0952-433e-b928-6ac29c3520662020-11-04 11:46:232022-09-08T13:42:16Z2020-11-04 11:46:232022-09-08T13:42:16Z2020-11-04Se aplica la teoría del valor extremo (EVT, por sus siglas en inglés), junto al enfoque de cópulas para la estimación del valor en riesgo (VaR) y el Expected Shortfall (es) de un portafolio de cinco monedas de países latinoamericanos en base dólar (COP, PEN, BRL, MXN y CLP). Se evalúa un portafolio óptimo sin apalancamiento, uno óptimo apalancado y un portafolio con iguales ponderacio­nes para todas las divisas, y se comparan con medidas de riesgo tradicionales, incluido el ajuste de las colas pesadas de la distribución de los rendimientos de cada activo y la estimación de la relación de dependencia de estos mediante el ajuste de las cópulas Gaussiana, t y Clayton. Los resultados sugieren que la cópula de Clayton es la que recurrentemente mejora las estimaciones de riesgo para los portafolios propuestos, y que el ES arroja mejor desempeño según las pruebas de cobertura condicional y no condicional del modelo y según el por­centaje de fallos de cada medición.The Extreme Value Theory (EVT) is applied together with the copula approach to estimate the Value At Risk (VaR) and the Expected Shortfall (ES) of a portfo­lio of five currencies of Latin American countries on a dollar basis (COP, PEN, BRL, MXN and CLP). An optimal portfolio without leverage, an optimal leveraged portfolio and a portfolio with equal weights for all currencies are evaluated and compared with traditional risk measures, including adjusting the heavy tails of the distribution of the returns of each asset and the estimation of the dependency ratio of these by adjusting the Gaussian copulations, t and Clayton. The results suggest that the Clayton copula is the one that recurrently improves the risk estimates for the proposed portfolios and that the es shows better performance according to the conditional and non-conditional coverage tests of the model and according to the percentage of failures of each measurement.application/pdftext/html10.18601/17941113.n18.042346-21401794-1113https://bdigital.uexternado.edu.co/handle/001/7864https://doi.org/10.18601/17941113.n18.04spaFacultad de Finanzas, Gobierno y Relaciones Internacionaleshttps://revistas.uexternado.edu.co/index.php/odeon/article/download/6886/9360https://revistas.uexternado.edu.co/index.php/odeon/article/download/6886/9827Núm. 18 , Año 2020 : Enero-Junio1591899OdeonAcerbi, C. y Tasche, D. (2002). On the coherence of expected shortfall. Journal of Banking and Finance, 26(7), 1487-1503. https://doi.org/10.1016/S0378-4266(02)00283-2Alba Suárez, M. A., Pineda-Ríos, W. y Deaza Chaves, J. (2019). Análisis comparativo de las metodologías de estimación semiparamétricas y vía cópulas del valor en riesgo (VaR) en el mercado accionario colombiano. Revista Mexicana de Economía y Finanzas Nueva Época, 14(2), 279-307.Artzner, P., Delbaen, F., Eber, J.-M. y Heath, D. (1998). Coherent measures of risk. Mathematical Finance, 9(June 1996), 1-24.Balkema, A. A. y De Haan, L. (1974). Residual life time at great age. The Annals of Probability, 2(5), 792-804. Recuperado de http://projecteuclid.org/euclid. aop/1176996548Bob, N. K. (2013). Value at Risk Estimation. A garch- evt-Copula Approach (Master Thesis in Mathematical) Statistics Matematiska institutionen.Bollerslev, T. (1986). generalized autoregressive conditional heteroskedasticity while conventional time series and econometric models operate under an assumption of constant variance, the arch (Autoregressive Conditional Heteroskedastic) process introduced in Engle (1982). Journal of Econometrics, 31, 307-327.Ceballos, A. M. (2015). Implementación de cópulas para la estimación del Valor en Riesgo. Universidad del Rosario, Facultad de Economía.Cherubini, U., Luciano, E. y Vecchiato, W. (2004). Copula methods in Finance. John Wiley & Sons.Coles, S. (2001). An Introduction to Statistical Modeling of Extreme Values. Springer- Verlag London Limited.Danielsson, J., Haan, L. De, Peng, L. y De Vries, C. G. (2001). Using a bootstrap method to choose the sample fraction in tail index estimation. Journal of Multivariate Analysis, 248(76), 226-248.Di Clemente, A. y Romano, C. (2005). Measuring portfolio value-at-risk by a Copula-evt based approach. Studi Economici, 85(January), 1-22.Embrechts, P. (2000). Extreme value theory: Potential and limitations as an integrated risk management tool. Derivative Use, Trading & Regulation, (6), 449-456.Embrechts, P., Kluppelberg, C. y Mikosch, T. (1996). Modelling Extremal Events for Insurance and Finance. Springer.Embrechts, P., McNeil, A. J. y Straumann, D. (2002). Correlation and dependence in risk management: Properties and pitfalls. En M. A. H. Dempster (ed.), Risk Management. Cambridge: Cambridge University Press. https://doi.org/10.1017/ cbo9780511615337.008Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007. https://doi.org/10.2307/1912773Feo Cediel, Y. (2016). Regular Vine Cópulas: una aplicación al cálculo de valor en riesgo. Revista de Investigación en Modelos Financieros, 2(ii), 30-64.Fernández, V. (2008). Copula-based measures of dependence structure in assets returns. Physica A: Statistical Mechanics and Its Applications, 387(14), 3615-3628. https://doi.org/10.1016/j.physa.2008.02.055Hotta, L. K., Lucas, E. C. y Palaro, H. P. (2008). Estimation of VaR using copula and extreme value theory. Multinational Finance Journal, 12(3/4), 205-218. https:// doi.org/10.17578/12-3/4-3Hsu, C.-P., Huang, C.-W. y Chiou, W.-J. P. (2011). Effectiveness of copula-extreme value theory in estimating value-at-risk: Empirical evidence from Asian emerging markets. Review of Quantitative Finance and Accounting, 39, 447-468. https:// doi.org/10.1007/s11156-011-0261-0Hussain, S. I. y Li, S. (2018). The dependence structure between Chinese and other major stock markets using extreme values and copulas. International Review of Economics and Finance, 56(February 2016), 421-437. https://doi.org/10.1016/j. iref.2017.12.002J.P. Morgan/Reuters (1996). RiskMetrics — Technical Document. Morgan Guaranty Trust Company Risk Management Advisory.Karmakar, M. (2017). Dependence structure and portfolio risk in Indian foreign ex¬change market: A garch-evt-Copula approach. Quarterly Review of Economics and Finance, 64, 275-291. https://doi.org/10.1016/j.qref.2017.01.007Kole, E., Koedijk, K. y Verbeek, M. (2007). Selecting copulas for risk management. Journal of Banking and Finance, 31(8), 2405-2423. https://doi.org/10.1016/j. jbankfin.2006.09.010Koliai, L. (2016). Extreme risk modeling: An evt-pair-copulas approach for financial stress tests. Journal of Banking and Finance, 70, 1-22. https://doi.org/10.1016/j.jbankfin.2016.02.004Lee, S. Y. y Kim, J. H. T. (2017). Exponentiated generalized Pareto distribution: Properties and applications towards Extreme Value Theory. Communications in Statistics - Theory and Methods, August.Loaiza, R., Gómez-González, J. E. y Melo, L. F. (2015). Latin American exchange rate dependencies: A regular vine copula approach. Contemporary Economic Policy, 33(3), 535-549. https://doi.org/10.1111/coep.12091McNeil, A. J. (1999). Extreme Value Theory for Risk Managers. A general introduction to extreme risk. Internal Modelling and cad ii, 3, 1-22. Recuperado de http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Extreme+Value+Theory+for+Risk+Managers#0McNeil, A. J. y Frey, R. (2000). Estimation of tail-related risk measures for heteros¬cedastic financial time series: An extreme value approach. Journal of Empirical Finance, 7, 271-300.McNeil, A. J., Frey, R. y Embrechts, P. (2005). Quantitative Risk Management: Concepts, Techniques and Tools. Princeton University Press.Melo, L. F. y Becerra, O. (2005). Medidas de riesgo, caracteristicas y tecnicas de medicion: una aplicacion del VaR y el es a la tasa interbancaria de Colombia. Universidad del Rosario. Universidad del Rosario. Recuperado de https://repo-sitory.urosario.edu.co/handle/10336/1060Melo, L. F. y Becerra, O. (2008). Medidas de riesgo financiero usando cópulas: Teoría y aplicaciones Borradores de Economia, 489(4), 93. Recuperado de http://www.banrep.gov.co/docum/ftp/borra489.pdfNystrom, K. y Skoglund, J. (2002). Univariate extreme value theory, garch and mea¬sures of risk. Swedbank.Palaro, H. P. y Hotta, L. K. (2006). Using conditional copula to estimate value at risk. Journal of Data Science, 4, 93-115.Patton, A. J. (2006). Modelling asymmetric exchange rate dependence. International Economic Review, 47(2), 527-556.Pickands, J. (1975). Statistical inference using extreme order statistics. The Annals of Statistics, 3(1), 119-131.Quevedo, A. R. (2005). Dependencia entre activos financieros: Un ejemplo para la relación tes-dólar más allá de los supuestos. Odeon, 2(1).Salinas, S. M., Maldonado, D. A. y Díaz, L. G. (2010). Estimación del riesgo en un portafolio de activos. Revista Apuntes del cenes, 29(50), 117-150.Sklar, A. (1959). Fonctions de répartition àn dimensions et leurs marges. Publications de l’Institut de Statistique de l’Université de Paris, 8, 229-231.Torres Avendaño, G. I. y Olarte Cadavid, A. M. (2009). Valor en riesgo desde un en¬foque de cópulas. AD-Minister Universidad EAFIT, 15, 113-136.Triana, D., Torres, L. M., Alba, M. A. y Pineda-Ríos, W. (2018). Estimación Bayesiana para el cálculo del Valor en Riesgo (VaR) en modelos de series financieras con relaciones de dependencia no lineal en Colombia. Comunicaciones en Estadística, 11(2), 171-189.Uribe, J. y Ulloa, I. (2012). La medición del riesgo en eventos extremos. Una revisión metodológica en contexto. Lecturas de Economía (76), 87-117.Vargas, A. C. (2019). Asymmetric Volatility Spillovers of Financial Markets : An Application to Colombia. Bogotá: Universidad Nacional de Colombia.Vose, D. (2008). A quantitative guide (3 ed.). Chichester: John Wiley & Sons.Wang, Z., Jin, Y. y Zhou, Y. (2010). Estimating portfolio risk using garch-evt-copula model: An empirical study on exchange rate market. Lecture Notes in Electrical Engineering, 67 lnee, 65-72. https://doi.org/10.1007/978-3-642-12990-2_8Wang, Z. R., Chen, X. H., Jin, Y. B. y Zhou, Y. J. (2010). Estimating risk of foreign exchange portfolio: Using VaR and CVaR based on garchevt-Copula model. Physica A: Statistical Mechanics and Its Applications, 389(21), 4918-4928. https://doi.org/10.1016/j.physa.2010.07.012Yamai, Y. y Yoshiba, T. (2002). Comparative analyses of Expected Shortfall and Value-at-Risk: Their estimation error, decomposition, and optimization. Comparative Analyses of Expected Shortfall and Value-at-Risk, 20(1), 87-121.Yamai, Y. y Yoshiba, T. (2005). Value-at-risk versus expected shortfall: A practical perspective. Journal of Banking and Finance, 29(4), 997-1015. https://doi.org/10.1016/j.jbankfin.2004.08.010Yu, W., Yang, K., Wei, Y. y Lei, L. (2018). Measuring Value-at-Risk and Expected Shortfall of crude oil portfolio using extreme value theory and vine copula. Physica A: Statistical Mechanics and Its Applications, 490, 1423-1433. https://doi.org/10.1016/j.physa.2017.08.064Beatriz Manosalva-Galvis - 2020info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-sa/4.0/https://revistas.uexternado.edu.co/index.php/odeon/article/view/6886Portfolio;extreme value;value at risk;copulasportafolio;valor extremo;valor en riesgo;cópulasAplicación de la teoría del valor extremo y cópulas multivariadas para la medición del VaR de un portafolio de monedas de países latinoamericanosApplication of extreme value theory and multivariate copula for VaR measurement of a currencies portfolio of Latin American countriesArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTREFinfo:eu-repo/semantics/publishedVersionPublicationOREORE.xmltext/xml2700https://bdigital.uexternado.edu.co/bitstreams/820d9975-a0c5-4ff8-826a-825fa409c1fd/download4db3a751ad1772b2161850963967a7aaMD51001/7864oai:bdigital.uexternado.edu.co:001/78642023-08-14 15:23:04.023https://creativecommons.org/licenses/by-nc-sa/4.0/Beatriz Manosalva-Galvis - 2020https://bdigital.uexternado.edu.coUniversidad Externado de Colombiametabiblioteca@metabiblioteca.org

Publicaciones similares