| Abstract : | Με την πάροδο του χρόνου, οι χρηματοοικονομικές αγορές έχουν αποκτήσει ιδιαίτερα πολύπλοκη μορφή και αυξημένη μεταβλητότητα. Στην προσπάθεια αντιμετώπισης των κινδύνων της αγοράς οι χρηματοοικονομικοί οργανισμοί στράφηκαν στη δημιουργία μέτρων κινδύνου. Ένα από τα πιο διαδεδομένα υποδείγματα για την διαχείριση κινδύνου αγοράς είναι το Value-at-Risk, “Αξία σε Κίνδυνο”. Στην παρούσα διπλωματική εργασία, το ενδιαφέρον επικεντρώνεται στην μεθοδολογία καθώς και τον υπολογισμό της Αξίας σε Κίνδυνο. Γίνεται αναφορά των σημαντικότερων χρηματοοικονομικών κινδύνων, καθώς και των τρόπων διαχείρισης τους. Παρουσιάζονται οι διάφορες τεχνικές για τον υπολογισμό της Αξίας σε Κίνδυνο εστιάζοντας την προσοχή στα εμπορεύματα, για τα οποία και γίνεται ειδική αναφορά στον κίνδυνο και τα οφέλη που εμπεριέχουν ως επενδυτικά περιουσιακά στοιχεία. Στην εμπειρική εφαρμογή υπολογίζεται το VaR σε μια συγκριτική αξιολόγηση δύο γενικών προσεγγίσεων της Monte Carlo και της μεθόδου Ιστορικής προσομοίωσης. Η εφαρμογή των μεθόδων πραγματοποιήθηκε για τον υπολογισμό της ημερήσιας VaR υποθετικού χαρτοφυλακίου πέντε εμπορευμάτων και συγκεκριμένα για το χρυσό, το ασήμι, το πετρέλαιο, το φυσικό αέριο και το σιτάρι τα οποία διαπραγματεύονται στο Χρηματιστήριο Εμπορευμάτων της Νέας Υόρκης (The New York Mercantile Exchange, NYMEX) και του Σικάγο (Chicago Board of Trade, CBOT) . Ο πρωταρχικός στόχος της μελέτης είναι να προσδιορίσει το πιο ακριβές μοντέλο VaR για κάθε εμπόρευμα. Η εφαρμογή γίνεται για μια περίοδο εννέα ετών (2001-2010) και τα δεδομένα έχουν αντληθεί από το Thomson Reuters Eikon - DataStream και το Bloomberg. Για τον ακριβέστερο προσδιορισμό της VaR, αναφορικά με την καλύτερη απόδοση των μεθόδων, η ανάλυση πραγματοποιείται σε δύο φάσεις, πριν από την οικονομική κρίση (2001-2006) και μετά από την οικονομική κρίση (2007-2010). Βάσει της ανάλυσης, συμπεραίνουμε ότι, τα αποτελέσματα υποδεικνύουν ότι η μέθοδος προσομοίωσης Monte Carlo έχει ξεπεράσει την μέθοδο της Ιστορικής προσομοίωσης και στα δύο μέρη της ανάλυσης, παρουσιάζοντας μεγαλύτερο ποσοστό επιτυχίας κάθε φορά. Συμπεραίνουμε επίσης, ότι η επιλογή παρόμοιων ή αντίθετων περιόδων των δεδομένων, όσον αφορά τις συνθήκες της αγοράς, παίζει σημαντικό ρόλο στην εκτίμηση της VaR και τον επανέλεγχο καθώς επηρεάζει την απόδοση των μεθόδων. Ωστόσο, σε αυτή την ανάλυση, είναι εμφανής η υπεροχή της μεθόδου Monte Carlo και στις δύο περιόδους της οικονομικής κρίσης.Αυτά τα ευρήματα απευθύνονται κυρίως σε ιδιώτες, θεσμικούς επενδυτές, και εμπόρους οι οποίοι κατέχουν διαφόρων κατηγοριών εμπορεύματα στα χαρτοφυλάκιά με σκοπό την διευκόλυνση τους στην επιλογή των βέλτιστων μεθόδων υπολογισμού της Αξίας σε Κίνδυνο του χαρτοφυλακίου τους.
Over time, financial markets acquired a highly complicated character along with increased volatility. In trying to deal with market risks, financial institutions turned to the creation of risk measures. One of the most widely used methods to quantify risk is Value-at-Risk. In this thesis, the interest is focused on the methodology as well as the calculation of the Value at Risk. The most important financial risks are mentioned, as well as their management methods. The various techniques for calculating Value at Risk are presented, focusing attention on commodities, for which special reference is made to the risk and benefits they contain as investment assets. In the empirical application VaR is calculated in a comparative evaluation of two general approaches, Monte Carlo and the Historical Simulation method. The application of the methods was carried out to calculate the daily VaR of a hypothetical portfolio of five commodities, gold, silver, crude oil, natural gas and corn traded on the New York Mercantile Exchange (NYMEX) ) and Chicago (Chicago Board of Trade, CBOT). The primary objective of the study is to determine the most accurate VaR model for each commodity. The application is made over a period of nine years (2001-2010) and the data has been taken from Thomson Reuters Eikon - DataStream and Bloomberg. For the more accurate determination of VaR, in relation to the best performance of the methods, the analysis is carried out in two phases, before the financial crisis (2001-2006) and after the financial crisis (2007-2010).Based on the analysis, we conclude that, the results indicate that the Monte Carlo simulation method has outperformed the Historical simulation method in both parts of the analysis, showing a higher success rate each time. We also conclude that the selection of similar or opposite periods of data, in terms of market conditions, plays an important role in VaR estimation and retesting as it affects the performance of the methods. However, in this analysis, the superiority of the Monte Carlo method in both periods of the financial crisis is evident.These findings are mainly addressed to individuals, institutional investors, and traders who hold various classes of commodities in their portfolios in order to facilitate them in choosing the best methods for calculating the Value at Risk of their portfolio.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.