Extreme value theory and value-at-risk : empirical evidence from the London Metal Exchange
| dc.contributor.author | Κατσιαβριάς, Δημήτριος Γ. | |
| dc.date.accessioned | 2007-10-29T09:19:36Z | |
| dc.date.available | 2007-10-29T09:19:36Z | |
| dc.date.issued | 2007-10-29T09:19:36Z | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/1963 | |
| dc.description.abstract | Στην εργασία αυτή συγκρίνεται η προβλεπτική ικανότητα οκτώ διαφορετικών μεθόδων Αξίας–σε-Κίνδυνο (VaR), δηλαδή Γενικευμένη Αυτοπαλίνδρομη Υπό Συνθήκη Ετεροσκεδαστικότητα GARCH (1,1) με κανονικά και t-Student κατανεμημένα σφάλματα, Εκθετικά Γενικευμένη Αυτοπαλίνδρομη Υπό Συνθήκη Ετεροσκεδαστικότητα ΕGARCH (1,1) με κανονικά και t-Student κατανεμημένα σφάλματα, Εκθετικά Σταθμισμένους Κινητούς Μέσους (EWMA), Ιστορική Προσομοίωση, Block Maxima (Γενικευμένη Κατανομή Ακραίας Τιμής) και Peaks over Threshold (Γενικευμένη Παρέτο Κατανομή), για την περίοδο 1/6/1989-2/3/2007 σε λογαριθμικές αποδόσεις τιμών σε μετρητά και συμβολαίων μελλοντικής εκπλήρωσης τρίμηνης διάρκειας για τα εξής μέταλλα που διαπραγματεύονται στο Χρηματιστήριο Βιομηχανικών Μετάλλων του Λονδίνου: Χαλκός, Κασσίτερος, Ψευδάργυρος, Νικέλιο και Αλουμίνιο. Επίσης αναλύονται δεδομένα από αγορές μετοχών (FTSE-100 και LIFFE FTSE-100) καθώς και Χρυσό για την ίδια περίοδο, για να συγκριθεί η αγορά βιομηχανικών μετάλλων με τις αγορές μετοχών και τα πολύτιμα μέταλλα. Τα μέταλλα αποδεικνύονται πιο επικίνδυνα από τις μετοχές και το χρυσό, με το Νικέλιο να είναι το πιο επικίνδυνο μέταλλο σε όρους μέσης Αξίας-σε-Κίνδυνο. Τα αποτελέσματα υποστηρίζουν τα μοντέλα που λαμβάνουν υπόψη την χρονικά μεταβαλλόμενη μεταβλητότητα καθώς αποδεικνύονται πολύ σημαντικά στην πρόβλεψη του μέτρου της Αξίας-σε-Κίνδυνο, ειδικά τα GARCH και EGARCH με t- Student κατανεμημένα σφάλματα. Η Θεωρία Ακραίων Τιμών είναι ένα σημαντικό κομμάτι στην Διοικητική Κινδύνου, ωστόσο θα πρέπει να είμαστε πολύ προσεκτικοί με την χρήση των μεθόδων αυτών καθώς απαιτούν μεγάλα δείγματα παρατηρήσεων για την εκτίμηση τους και επιπλέον διαφορετικές υποθέσεις για το μέγεθος και τον αριθμό των blocks και για τον καθορισμό του κατωφλιού u μπορούν να οδηγήσουν σε διαφορετικά από του αναμενομένου αποτελέσματα. | |
| dc.language.iso | el | |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/deed.el | |
| dc.subject | Risk management | |
| dc.subject | Διατριβές | |
| dc.subject | Metal trade -- Great Britain | |
| dc.title | Extreme value theory and value-at-risk : empirical evidence from the London Metal Exchange | |
| dc.type | Master Thesis | |
| europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/1963 | |
| europeana.type | IMAGE | |
| dc.identifier.call | 332.64'4 KAT | |
| dc.description.abstractEN | It compares the predictive ability of eight Value-at-Risk methods includingGARCH(1,1) with Normal and t-Student innovations, Exponential GARCH(1,1) with Normal and t-Student innovations, Exponentially Weighted Moving Average (EWMA), Historical Simulation, Block Maxima (GEV Distribution) and Peaks over Threshold (GP Distribution) for the period 1/6/1989-2/3/2007 on cash and 3-month futures logarithmic price changes of Copper, Tin, Zinc, Nickel and Aluminium, metals that trade in the London Metal Exchange. It also analyzed equity market data (FTSE-100 & LIFFE FTSE-100) and Gold Bullion data for the same period, in order to compare the industrial metals market with equity and precious metals. The metals of the London Metal Exchange proved riskier than equity and gold, with Nickel being the riskier of all in terms of mean VaR. Its findings support the models that assume time-varying volatility as they proved very important in predicting the Value-at-Risk measure, especially the GARCH and EGARCH with t-Student distributed innovations. Block Maxima performed badly whereas Peaks over Threshold showed some forecasting ability especially in the Nickel time series. Moreover, Stress Testing proved that conditional volatility models and especially the t-Student GARCH(1,1) and EGARCH(1,1) can predict large negative returns. Extreme Value Theory is an important tool in Risk Management but one should be cautious as the methods of EVT need large data sets for the estimation process and moreover different assumptions about the block size and the number of blocks for Block Maxima and the determination of the threshold u for Peaks over Threshold may lead to different than expected results. |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Χρηματοοικονομικής και Τραπεζικής Διοικητικής
Department of Banking & Financial Management
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές