Συλλογές
Τίτλος Σύγκριση διαφορετικών μοντέλων VAR στην χρηματιστηριακή αγορά, στα εμπορεύματα και τα κρυπτονομίσματα
Εναλλακτικός τίτλος Comparison of different VAR models in the stock market, commodities and cryptocurrencies
Δημιουργός Παπαϊακώβου, Βασιλική
Συντελεστής Σπύρου, Σπυρίδων
Λελεδάκης, Γεώργιος
Ρομπόλης, Λεωνίδας
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Λογιστικής και Χρηματοοικονομικής
Τύπος Text
Φυσική περιγραφή 69σ.
Γλώσσα el
Αναγνωριστικό http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=11719
Περίληψη The purpose of this study is to investigate the performance of the three main methods for calculating VaR (Variance-Covariance, Historical Simulation, and Monte Carlo). Their application is conducted on major international stock market indices (S&P 500, France CAC 40, FTSE 100, DAX, NASDAQ 100, and VSTOXX for the period from January 3, 2020, to June 26, 2024), commodities (including Gold Bullion LBM $/t oz DELAY, Crude Oil-WTI Spot Cushing U$/BBL, LME-Copper Grade A Cash U$/MT, LME-Aluminium 99.7% Cash U$/MT, Cocoa-ICCO Daily Price US$/MT, and Corn No.2 Yellow U$/Bushel for the same period, from January 3, 2020, to June 26, 2024), and cryptocurrencies (Bitcoin, Lisk, Ripple, Litecoin, Ethereum, and Metaverse, with data collected from February 12, 2018, to June 26, 2024). The analysis revealed that the methods of Historical Simulation and Variance-Covariance are stricter than Monte Carlo for determining the loss level for any confidence level. In comparing the methods of Historical Simulation and Variance-Covariance, it was found that at a 90% confidence level, the Variance-Covariance method is stricter than Historical Simulation, while at a 99% confidence level, Historical Simulation is stricter. For confidence levels of 95% and 97.5%, the situation was mixed, and the results of the two methods depended on the respective index.
Σκοπός της παρούσας έρευνας είναι να διερευνήσει τις επιδόσεις των τριών βασικών μεθόδων υπολογισμού της VaR (Διακύμανσης / Συνδιακύμανσης, Ιστορικής Προσομοίωσης & Monte Carlo). Η εφαρμογή τους γίνεται σε σημαντικούς διεθνείς χρηματιστηριακούς δείκτες (S&P 500, France CAC 40, FTSE 100, DAX, NASDAQ 100 και VSTOXX για την περίοδο από 3 Ιανουαρίου 2020 έως 26 Ιουνίου 2024) , εμπορεύματα (εμπορεύματα Gold Bullion LBM $/t oz DELAY, Crude Oil-WTI Spot Cushing U$/BBL, LME-Copper Grade A Cash U$/MT, LME-Aluminium 99.7% Cash U$/MT, Cocoa-ICCO Daily Price US$/MT και Corn No.2 Yellow U$/Bushel για την ίδια χρονική περίοδο, δηλαδή από 3 Ιανουαρίου 2020 έως 26 Ιουνίου 2024) και κρυπτονομίσματα (Bitcoin, Lisk, Ripple, Litecoin, Ethereum και Metaverse, συλλέχθηκαν δεδομένα από 12 Φεβρουαρίου 2018 έως 26 Ιουνίου 2024). Από την ανάλυση προέκυψε ότι οι μέθοδοι της ιστορικής προσομοίωσης και της διακύμανσης / συνδιακύμανσης είναι πιο αυστηρές έναντι της Monte Carlo για τον προσδιορισμό του επίπεδο απωλειών ενός επενδυτή για οποιοδήποτε επίπεδο σημαντικότητας. Όσον αφορά τη σύγκριση των μεθόδων της ιστορικής προσομοίωσης και της διακύμανσης / συνδιακύμανσης βρέθηκε ότι για επίπεδο σημαντικότητας 90% περισσότερο αυστηρή είναι η μέθοδος της διακύμανσης / συνδιακύμανσης έναντι της ιστορικής προσομοίωσης ενώ στην περίπτωση επιπέδου σημαντικότητας 99% είναι περισσότερο αυστηρή η μέθοδος της ιστορικής προσομοίωσης. Για επίπεδα σημαντικότητας 95% και 97,5% η κατάσταση ήταν μεικτή και το αποτέλεσμα των δύο μεθόδων εξαρτιόταν από τον εκάστοτε δείκτη.
Λέξη κλειδί Αξία σε κίνδυνο
Μέθοδοι υπολογισμού
Απώλεια
Value at Risk (VaR)
Calculation methods
Loss
Ημερομηνία έκδοσης 09-09-2024
Ημερομηνία κατάθεσης 18-11-2024
Ημερομηνία αποδοχής 18-11-2024
Άδεια χρήσης https://creativecommons.org/licenses/by/4.0/