Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/11203
Title: Value-at-Risk in the presence of asymmetry : the FIGARGH model
Authors: Σαλάτας, Ηλίας
Keywords: Value at Risk (VaR)
FIGARCH model
Long memory
Volatility
Keywords (translated): Αξία σε Κίνδυνο
Ισχυρή μνήμη
Μεταβλητότητα
Abstract: Το πιο διαδεδομένο μέτρο ποσοτικοποίησης του κινδύνου σήμερα είναι η Αξία σε Κίνδυνο ή VaR(Value at Risk) .Η VaR είναι ένα τυπικό εργαλείο που μας βοηθά να προσεγγίσουμε πιθανούς κινδύνους οικονομικών απωλειών από τη δραστηριότη- τά μας στις οικονομικές αγορές απλα με τη μορφή ενός αριθμού. Υπάρχουν πολλές μέθοδοι υπολογισμού αυτού του αριθμού ,ένας ανάμεσα σε αυτούς είναι με τη βο- ήθεια των μοντέλων ARCH και GARCH .Τα μοντέλα ARCH και GARCH έχουν αναχθεί σε πολύ σημαντικά εργαλεία στην ανάλυση δεδομένων χρονοσειρών,ειδικά οικονομικών χρονοσειρών. Τα υποδείγματα αυτά είναι ιδιεταίρως χρήσιμα οταν ο σκοπός της μελέτης είναι η ανάλυση και η πρόβλεψη της μεταβλητότητας της αγο- ράς (volatility) .Το μοντέλο FIGARCH (Fractionally Integrated Generalized Au- toregressive Conditional Heteroscedastic ) λόγω της ισχυρής μνήμης φύσης του 2 φαίνεται πως είναι καλυτερος υποψήφιος από άλλα ετεροσκεδαστικά μοντέλα για την εκτίμηση ασυμμετρικών χαρακτηριστικών και ισχυρής μνήμης στη μεταβλητότητα Α- γορών όπως το Χρηματιστήριο Αθηνών.Σε αυτή τη μελέτη θα προσπαθήσουμε να εξετάσουμε τον ορισμό της ισχυρής μνήμης για τον υπολογισμό VaR του Γενικού Δείκτη Τιμών του Ελληνικού Χρηματιστηρίου Αθηνών για δεδομένο χρονικό ορίζο- ντα και επιπέδου εμπιστοσύνης με τη βοήθεια του FIGARGH (1,d,1) μοντέλου και με κατανομή Student-t,και skewed Student-t των σφαλμάτων .
Abstract (translated): Most wide used financial instrument to monitor risk is VaR (Value at Risk).VaR is a standard tool for measuring potential risk of economic losses in financial markets as a single number. There are several ways to calculate this single number, one among others ,according to parametric method, is with the help of ARCH and GARCH models. The ARCH and GARCH models became important tools in the analysis of time series data, particularly in financial applications .These models are espe- cially useful when the goal of the study is to analyze and forecast volatility.The long memory 1 nature of FIGARCH(Fractionally Integrated Generalized Autore- gressive Conditional Heteroscedastic ) model allows to be a better candidate than other heteroscedastic models for evaluating asummetry features and long memory in the volatility of Markets such as Athens Stock Market (ATHEX).This thesis will try to examine the concept long persistance in order to combine the VaR calculation of Athens Stock Exchange General index (ASE) for given time horizon and given confidence level using FIGARGH (1,d,1) model with Student-t, and skewed Student-t distribution for errors .
Appears in Collections:Τμήμα Οικονομικών Επιστημών (ΜΔΕ)

Files in This Item:
File Description SizeFormat 
SalatasMSc.pdf1.31 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons