dc.contributor.advisor | Σκιαδόπουλος, Γεώργιος | |
dc.contributor.author | Σκούρας, Ανδρέας | |
dc.date.accessioned | 2017-12-13T10:29:15Z | |
dc.date.available | 2017-12-13T10:29:15Z | |
dc.date.issued | 2017-02 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/10291 | |
dc.description.abstract | Η μέτρηση του κινδύνου αγοράς που προκαλείται από την υψηλή μεταβλητότητα των τιμών των ναύλων είναι ιδιαίτερα σημαντική για τους μετέχοντες στις ναυτιλιακές αγορές είτε πρόκειται για πλοιοκτήτες και ναυλωτές είτε για επενδυτές. Επιχειρούμε να μετρήσουμε αυτόν τον κίνδυνο υπολογίζοντας την Αξία σε Κίνδυνο . Εφαρμόζουμε πλήθος παραμετρικών και μη παραμετρικών μεθόδων στους σημαντικότερους δείκτες του Baltic Exchange και σε ένα πακέτο ναυτιλιακών futures του CME Group. Πιο συγκεκριμένα εφαρμόζουμε την Ιστορική Προσομοίωση (HS) και τον Κινούμενο Μέσο Όρο (MA) για δύο μεγέθη δείγματος, τον Εκθετικά Σταθμισμένο Κινούμενο Μέσο Όρο (EWMA), τα GARCH(1,1) και EGARCH(1,1) με κανονική και Student’s-T κατανομή. Αξιολογούμε τις μεθόδους σε δύο στάδια. Αρχικά με τρεις στατιστικούς ελέγχους πιθανοφάνειας και στην συνέχεια με μία συνάρτηση απώλειας η οποία χρησιμοποιεί την Αναμενόμενη Απώλεια. Τα ευρήματα μας καταδεικνύουν τις απλούστερες παραμετρικές και μη παραμετρικές μεθόδους ως τις καταλληλότερες για την μέτρηση του κινδύνου αγοράς στις ναυτιλιακές αγορές. | el |
dc.format.extent | 98 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Υπολογισμός της αξίας σε κίνδυνο σε ναυτιλιακές αγορές | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Χρηματοοικονομικής και Τραπεζικής Διοικητικής | el |
dc.description.abstractEN | Measuring the market risk caused by the high volatility of freight rates is of great importance to the participants in freight markets, ship owners, charterers or investors. We measure this risk by calculating Value at Risk. We apply a range of parametric and non-parametric methods for the most important Baltic Exchange indices and for a set of freight futures issued by CME Group. More specifically, the methods used are the Historical Simulation (HS) and Moving Average (MA) for two sample sizes, Exponentially Weighted Moving Average (EWMA), GARCH (1,1) and EGARCH (1,1) with normally and Student’s-t distributed innovations. We perform backtesting in two stages. Firstly, we apply three statistical likelihood tests and secondly a loss function that uses Expected Shortfall. We find that the simplest parametric and non-parametric methods are the most suitable to measure market risk in freight markets. | el |
dc.contributor.master | Χρηματοοικονομική και Τραπεζική με κατεύθυνση στην Χρηματοοικονομική και Τραπεζική Διοικητική | el |
dc.subject.keyword | Ναύλωση και ναύλος | el |
dc.subject.keyword | Ναυτιλιακή αγορά | el |
dc.subject.keyword | Αξία σε κίνδυνο | el |
dc.subject.keyword | Αναμενόμενη απώλεια | el |
dc.subject.keyword | Ναυτιλιακά futures | el |
dc.subject.keyword | Baltic Exchange | el |
dc.subject.keyword | EWMA | el |
dc.subject.keyword | GARCH | el |
dc.subject.keyword | CME Group | el |
dc.subject.keyword | EGARCH | el |
dc.subject.keyword | HS | el |
dc.subject.keyword | MA | el |
dc.subject.keyword | Expected shortfall | el |
dc.subject.keyword | Freight futures | el |
dc.subject.keyword | Value at Risk | el |
dc.subject.keyword | Freight markets | el |
dc.subject.keyword | Freight rates | el |