Πάντειο Πανεπιστήμιο Κοινωνικών και Πολιτικών Επιστημών
Περίληψη:
Η διπλωματική αυτή πραγματοποιήθηκε ως μέρος του Μεταπτυχιακού Προγράμματος Εφαρμοσμένα Οικονομικά και Διοίκηση, του τμήματος Οικονομικής και Περιφερειακής Ανάπτυξης, Παντείου Πανεπιστημίου Αθήνας. Εκπονήθηκε κατά τη χρονική περίοδο Ιούλιος 2015 - Ιανουάριος 2016. Το θέμα της πλαισιώνεται γύρω από την πρόβλεψη και εκτίμηση του Κινδύνου (Value-at-Risk, VaR) χαρτοφυλακίων και συγκεκριμένα μετοχών εισηγμένων στο χρηματιστήριο (S and P500, EurostoXX50, FTSE100), εμπορεύσιμων υλικών (χαλκού, αργύρου και χρυσού), καθώς και συναλλαγματικών ισοτιμιών (Ευρώ, Καναδικού Δολαρίου και Βρετανικής Λίρας). Οι προβλέψεις της εμπειρικής ανάλυσης δεν έχουν πραγματοποιηθεί μόνο για μία μέρα μπροστά, ως είναι το σύνηθες σε άλλες τέτοιες έρευνες, αλλά περιλαμβάνει μία πολύ-περιοδική πρόβλεψη αρκετές ημέρες μπροστά. Συγκεκριμένα περιλαμβάνει επιπλέον 10 ημέρες μπροστά πρόβλεψη του κινδύνου (διάστημα μίας εβδομάδας σε χρηματιστηριακές βάσεις) και 20 ημέρες μπροστά (διάστημα ενός μήνα σε χρηματιστηριακές βάσεις). Το διάστημα εμπιστοσύνης που εξετάζεται στη παρούσα διπλωματική είναι το 95% και 99%, λαμβάνοντας δεδομένα σε ημερήσια (inter-day) και σε ενδοημερήσια (intra-day) βάση. Η οικονομική αβεβαιότητα και μεταβλητότητα του οικονομικού περιβάλλοντος υπογραμμίζει τη σπουδαιότητα της ενσωμάτωσης νέων εργαλείων εκτίμησης και αξιολόγησης του κινδύνου. Κατά συνέπεια, η μοντελοποίηση του Value-at-Risk είναι ένας τομέας της οικονομετρίας, ο οποίος πληροί τις προϋποθέσεις των επενδυτών, και για το λόγο αυτό έχει μελετηθεί διεξοδικά. Ένας κύριος λόγος της εκτεταμένης αυτής μελέτης είναι η πρόσφατη οικονομική κρίση, η οποία πυροδότησε το ενδιαφέρον πολλών αναλυτών, καθώς και πολλών επιχειρήσεων ούτως ώστε να προβλέψουν με μεγαλύτερη ακρίβεια τον Κίνδυνο (VaR) που αναλογεί σε κάθε χαρτοφυλάκιο, αλλά και το ακριβές ποσό της αναμενόμενης απώλειας (ES, Expected Shortfall) του χαρτοφυλακίου, στη προσπάθεια τους να εντοπίσουν το μοντέλο εκείνο που αποδίδει μεγαλύτερη ακρίβεια και αποδοτικότητα. Παρά το γεγονός ότι υπάρχει πληθώρα προβλεπτικών μοντέλων, παραδειγμάτων και εφαρμογών που χρησιμοποιούνται με σκοπό να προβλέψουν την μεταβλητότητα σύμφωνα με την υπάρχουσα βιβλιογραφία, η παρούσα διπλωματική εισαγάγει μία νέα προσαρμογή εκτίμησης του Κινδύνου VaR, δεδομένου ότι παρουσιάζεται η μεταβλητότητα των ημερήσιων δεδομένων του μοντέλου AR(1)-GARCH(1,1)-skT και η μεταβλητότητα των ενδοημερήσιων δεδομένων του μοντέλου AR(1)-HAR-RV-skT. Επιπλέον, η παρούσα διατριβή πραγματοποιήθηκε με βάση τις συστάσεις της Επιτροπής της Βασιλείας για την Τραπεζική Εποπτεία. Αναφορικά με τα αποτελέσματα της ανάλυσης, το μοντέλο AR(1)-HAR-RV-skT, στη προσπάθεια του να κάνει πρόβλεψη της μεταβλητότητας, δεν φαίνεται να βελτιώνει την ακρίβεια των προβλέψεων του VaR για τις προβλέψεις σε 10-ημέρες μπροστά και σε 20-ημέρες μπροστά, στο 95% και 99% διάστημα εμπιστοσύνης. Επίσης, το HAR μοντέλο αποδεικνύεται ότι δεν είναι τόσο κατάλληλο τελικά, όσο αναμένονταν να είναι, για κάθε μία από τις κατηγορίες, μετοχών, εμπορευμάτων και συναλλαγματικών ισοτιμιών. Αντίθετα, το HAR είναι καλύτερο μοντέλο έναντι του GARCH, για την πρόβλεψη μόνο κατά μία ημέρα μπροστά. Σε όλες τις άλλες περιπτώσεις το GARCH είναι ανώτερο του HAR.
Abstract:
This dissertation has been held as part of the MSc. Program of Applied Economics and Management, at the Department of Economic and Regional Development of Panteion University in Athens. The MSc thesis took place from July of 2015 to January of 2016. The thesis is dealing with the forecast of Value-at-Risk measure, based on a dataset consisting of Stock indices (S and P500, EurostoXX50 and FTSE100), Commodities (Copper, Silver and Gold COMEX) and Foreign Exchange Rates of Dollar (Euro, Canadian Dollar and British Pound FOREX). The forecasts of this empirical analysis have been done not only at one-day-ahead, as usual, but also at multi-steps-ahead for 95% and 99% confidence level, modeling both inter-day and intra-day data. The economic uncertainty and volatility of today’s business environment highlight the importance of incorporating risk assessment tools into forecasting processes. Consequently, Value-at-Risk is a field of financial econometrics, which fulfills the investors’ prerequisites, henceforth it has been studied thoroughly. One main reason of this extensive research is the recent financial crisis, which intrigues the interest of risk managers and financial institutions. In order to provide more reliable Value-at-Risk (VaR) and Expected Shortfall (ES) forecasts, they attempt to investigate which models provide accurate and efficient predictions. Although there is a plethora of forecasting models and applications of forecasting volatility in the literature, this thesis has introduced a new adaptation at VaR estimate, as it presents the performance of inter-day volatility by estimating the AR(1)-GARCH(1,1)-skT model and intra-day volatility by estimating the AR(1)-HAR-RV-skT model. Moreover, this dissertation was held based on the recommendations of the Basel Committee of Banking Supervision. Regarding for the results, the AR(1)-HAR-RV-skT model in an attempt to forecast volatility does not appear to improve the accuracy of the VaR forecasts for the 10-step-ahead and 20-step-ahead, both for 95% and 99% significance levels. Furthermore, the HAR model is not as much appropriate as expected to be for each of the different asset classes; Stocks, COMEX and FOREX. On the contrary regarding the one-step-ahead forecasts, the HAR specification overcomes the GARCH. In all the other cases, the GARCH specification is the superior model for forecasting the VaR measure.
Περιγραφή:
Διπλωματική εργασία - Πάντειο Πανεπιστήμιο. Τμήμα Οικονομικής και Περιφερειακής Ανάπτυξης, ΠΜΣ, κατεύθυνση Εφηρμοσμένων Οικονομικών και Διοίκησης, 2016
