Λογότυπο αποθετηρίου

Πλοήγηση ανά Συγγραφέα "Tampiziva, Evgenia"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Φιλτράρετε τα αποτελέσματα πληκτρολογώντας τα πρώτα γράμματα
Τώρα δείχνει 1 - 1 από 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Forecasting Value at Risk (VaR) using volatility models: an application to US stock market
    (2024-02-29) Ταμπίζιβα, Ευγενία; Tampiziva, Evgenia; Athens University of Economics and Business, Department of Economics; Pagratis, Spyros; Zacharias, Eleftherios; Dendramis, Yiannis
    Στη σημερινή παγκοσμιοποιημένη οικονομία, οι τάσεις που αναπτύσσονται στις χρηματοπιστωτικές αγορές τείνουν να δημιουργούν αβεβαιότητα στις επενδύσεις. Οι ανάγκες χρηματοδότησης και η αύξηση των επιτοκίων δημιουργούν πρόσθετο χρηματοοικονομικό κόστος, με αποτέλεσμα να κρίνεται απαραίτητος ο συνεχής έλεγχος και η ανάλυση οικονομικών δεδομένων, προς αποφυγή πρόσθετου κόστους επενδύσεων με βάση τον αρχικό σχεδιασμό. Στα πλαίσια ανάπτυξης ρυθμιστικών κανόνων για τη λειτουργία των χρηματοπιστωτικών ιδρυμάτων, αναπτύσσεται συχνά ο προβληματισμός σχετικά με τον τρόπο ποσοτικοποίησης του ρίσκου. Ένα από τα βασικότερα εργαλεία μέτρησης και εκτίμησης του επενδυτικού κινδύνου είναι η αξία σε ρίσκο ή, αλλιώς, γνωστή ως Value at Risk (VaR). Οι μεθοδολογίες που αναπτύσσει υπολογίζουν με ακρίβεια, προβλέπουν και αξιολογούν μετοχές, χρηματοοικονομικούς δείκτες και παράγωγα, οδηγώντας σε καίριες επενδυτικές αποφάσεις. Η παρούσα εργασία πραγματεύεται τη μελέτη και ανάπτυξη προβλεπτικών μοντέλων υψηλής μεταβλητότητας, των λεγόμενων volatility μοντέλων και περιλαμβάνει μια πρακτική εφαρμογή στο χρηματιστήριο των ΗΠΑ, στις μετοχές των πολυεθνικών εταιρειών Apple Inc (AAPL) και The Coca-Cola Company (KO). Πιο συγκεκριμένα, τα μοντέλα που αναπτύχθηκαν και μελετήθηκαν ανήκουν στην οικογένεια GARCH και είναι τα εξής: GARCH, e-GARCH, gjr-GARCH, i-GARCH and M-GARCH, υπό κανονική κατανομή, κατανομή Student-t and λοξή κατανομή Student-t. Τα αποτελέσματα της έρευνας προτείνουν την ανάπτυξη των e-GARCH και gjr-GARCH μοντέλων, υπό κανονική κατανομή για την αποτελεσματική πρόβλεψη του επενδυτικού κινδύνου και το μετριασμό πιθανών οικονομικών απωλειών.