Abstract : | Η εργασία αυτή επικεντρώνεται σε μια πρακτική σύγκριση διαφορετικών παραμετρικών μοντέλων της «οικογένειας» GARCH για μονομεταβλητό υπολογισμό VaR και ES, συγκεκριμένα του βασικού Garch (1,1), του Egarch (1,1) και του Aparch (1,1) με διαφορετικές υποθέσεις για την κατανομή του τυχαίου σφάλματος των αποδόσεων, πιο συγκεκριμένα Κανονικής και Skewed Student κατανομών για τα Garch (1,1) και Egarch (1,1) και μόνο της Skewed Student για το Aparch (1,1), μέσω out of sample (εκτός δείγματος εκ των υστέρων έλεγχο) backtesting σε ημερήσιες αποδόσεις του μετοχικού δείκτη SP500 και της ισοτιμίας EURUSD. Τα ευρήματα, υποστηρίζουν τη σχετικά καλύτερη συμπεριφορά του συνδυασμού Aparch-Skewed Student έναντι των άλλων συνδυασμών κατανομών-μοντέλων μεταβλητότητας, ενώ επιπλέον στηρίζεται η υπεροχή της κατανομής Skewed Student έναντι της Κανονικής για τα διαφορετικά μοντέλα μεταβλητότητας. The present dissertation focuses on a practical comparison of different parametric models of the Garch “family” for univariate calculation of VaR and ES, in particular of the basic Garch (1,1), of Egarch (1,1) and of Aparch (1,1), under different distribution assumptions for the random error of returns, that is of the Normal (Gaussian) and Skewed Student distributions for the Garch (1,1) and Egarch (1,1) and only the Skewed Student distribution for the Aparch (1,1), through an out of sample backtesting on daily log returns of the SP500 stock index and the EURUSD exchange rate. Results show support for the relatively better performance of the combination of Aparch-Skewed Student relative to other combinations of distribution and volatility models, while there is also support for the superiority of the Skewed Student distribution compared to the Normal for the different volatility models.
|
---|