Assuming a 1-day VaR holding period

Assuming a 1-day VaR holding period, the third stage involvesbootstrapping from our data set of standardised returns: we take alarge number of drawings from this data set, which we now treatas a sample, replacing each one after it has been drawn and mul-tiplying each such random drawing by the volatility forecast 1 dayahead:
rt =
t +
z∗t+1 (11)
where z* is the simulated standardised return. If we take M draw-ings, we therefore obtain a sample of M simulated returns. Withthis approach, the VaR(˛) is the ˛% quantile of the simulated returnsample.

ผลลัพธ์ (ไทย) 1:

สมมติว่า VaR 1 วันที่ถือระยะเวลา involvesbootstrapping ขั้นที่ 3 จากชุดข้อมูลของเรากลับแบบ: เราใช้จำนวน alarge วาดจากชุดข้อมูล ซึ่งเราตอนนี้ treatas ตัวอย่าง แทนที่แต่ละคนหลังจากได้ออก และ tiplying มูลละเช่นวาดแบบสุ่ม โดยความผันผวนที่คาดการณ์ 1 dayahead:rt =t +z∗ t + 1 (11)z * ส่งคืนแบบจำลอง ถ้าเราใช้ M วาด ings เราจึงได้รับตัวอย่างของจำลอง M กลับ วิธีการ Withthis, VaR(˛) การ quantile %˛ของ returnsample เลียนแบบได้

ผลลัพธ์ (ไทย) 2:

สมมติว่าเป็นระยะเวลา 1 วัน VaR ถือ involvesbootstrapping ขั้นตอนที่สามจากข้อมูลของเราชุดของผลตอบแทนที่ได้มาตรฐาน: เราใช้หมายเลขของภาพวาดจากข้อมูลชุดนี้ซึ่งตอนนี้เรา TreatAs ตัวอย่าง alarge แทนที่แต่ละคนหลังจากที่มันได้รับการวาดและหลายชุด tiplying แต่ละวิธีจับฉลากดังกล่าวโดยคาดการณ์ความผันผวน 1 dayahead:
RT =
? t +
Z * t + 1 (11)?
ที่ Z * เป็นผลตอบแทนที่ได้มาตรฐานจำลอง ถ้าเราใช้เวลาวาด Ings M-เราจึงได้รับตัวอย่างของผลตอบแทน M จำลอง withthis วิธี VaR (˛) เป็น˛% quantile ของ returnsample จำลอง

ผลลัพธ์ (ไทย) 3:

สมมติว่าเส้น var ระยะเวลาขั้นตอนที่สาม involvesbootstrapping จากชุดข้อมูลมาตรฐานของผลตอบแทน : เราใช้เป็นจำนวนมากของภาพวาดจากข้อมูลชุดนี้ ซึ่งตอนนี้เรา treatas ตัวอย่างแทนแต่ละคน หลังจากที่มันได้รับการวาดและมุล tiplying แต่ละเช่นการสุ่มผวนคาด 1 dayahead :
=
 RT T
T Z ∗  1 ( 11 )
z * จำลองที่เป็นมาตรฐานกลับมาถ้าเราใช้ M ings วาด เราจึงได้รับตัวอย่างของ M กลับมาจำลอง ออกไป วิธีการ วาร์ ( ˛ ) เป็น˛ % ควอนไทล์ของจำลอง returnsample .