Μελέτη της συμπεριφοράς των μετοχών κατά την ημέρα αποκοπής του μερίσματος: εμπειρική ανάλυση για την περίοδο 2011-2024 στην ελληνική χρηματιστηριακή αγορά

Abstract

Η παρούσα διπλωματική διερευνά τη σύγκριση των μεθόδων υπολογισμού του Value at Risk (VaR) σε 3 κατηγορίες χρηματοοικονομικών περιουσιακών στοιχείων: χρηματιστηριακοί δείκτες, εμπορεύματα και κρυπτονομίσματα. Το VaR είναι ένα μέτρο που εκτιμά τη μέγιστη αναμενόμενη απώλεια ενός χαρτοφυλακίου για ένα δεδομένο χρονικό διάστημα και επίπεδο εμπιστοσύνης. Οι τρεις μέθοδοι που μελετήθηκαν είναι η Ιστορική Προσομοίωση, η Διακύμανση-Συνδιακύμανση και η Monte Carlo. Καθεμιά από αυτές τις μεθόδους έχει πλεονεκτήματα και περιορισμούς που τις καθιστούν κατάλληλες για συγκεκριμένες περιπτώσεις, ενώ η αξιοπιστία τους ποικίλει ανάλογα με τις συνθήκες της αγοράς. Το VaR είναι ευρέως διαδεδομένο στις τράπεζες και στις ρυθμιστικές αρχές ως εργαλείο ποσοτικής ανάλυσης κινδύνου. Η έρευνα βασίζεται σε δεδομένα, όπου η χρήση αυτών των τριών μεθόδων σε χρηματιστηριακούς δείκτες, εμπορεύματα και κρυπτονομίσματα έδειξε ότι οι μέθοδοι Ιστορικής Προσομοίωσης και Διακύμανσης-Συνδιακύμανσης ήταν πιο αυστηρές συγκριτικά με την Monte Carlo, ιδίως στα επίπεδα σημαντικότητας 95% και 99%. Τα ευρήματα της έρευνας καταδεικνύουν τη χρησιμότητα κάθε μεθόδου υπό διαφορετικές συνθήκες αγοράς, υποστηρίζοντας τη χρήση του VaR ως αναπόσπαστο εργαλείο διαχείρισης χρηματοοικονομικών κινδύνων. Σημασία του VaR - Το VaR είναι σημαντικό διότι ενοποιεί τον κίνδυνο διαφόρων θέσεων σε μια μόνο μέτρηση, επιτρέποντας σε επενδυτές και ρυθμιστικές αρχές να κατανοήσουν καλύτερα τον κίνδυνο που αναλαμβάνουν και προσφέρει μια κοινή μετρική για τη μέτρηση της μέγιστης δυνατής απώλειας ενός χαρτοφυλακίου με μια δεδομένη πιθανότητα. Η ανάπτυξη της μεθοδολογίας VaR ξεκίνησε τη δεκαετία του 1990 από την επενδυτική τράπεζα J.P. Morgan, ενώ πλέον αποτελεί παγκόσμιο πρότυπο στις χρηματοοικονομικές αγορές. Στόχος της Έρευνας - Παρά την ευρεία χρήση του, η επιλογή της κατάλληλης μεθόδου για τον υπολογισμό του VaR εξαρτάται σε μεγάλο βαθμό από το είδος των περιουσιακών στοιχείων και τις συνθήκες της αγοράς. Για παράδειγμα, η αγορά των κρυπτονομισμάτων είναι εξαιρετικά ευμετάβλητη και μπορεί να μην αντιδρά το ίδιο όπως οι παραδοσιακές χρηματαγορές. Στόχος της παρούσας έρευνας είναι να συγκρίνει τρεις βασικές μεθόδους VaR και να εντοπίσει ποια από αυτές προσφέρει τις πιο αξιόπιστες εκτιμήσεις ανάλογα με το είδος των περιουσιακών στοιχείων, καθώς και να αξιολογήσει πότε κάθε μέθοδος είναι πιο κατάλληλη.This thesis investigates the comparison of Value at Risk (VaR) estimation methods across three categories of financial assets: stock market indices, commodities, and cryptocurrencies. VaR is a risk measure that estimates the maximum expected loss of a portfolio over a given time horizon and confidence level. Τhe three methods examined are Historical Simulation, Variance–Covariance, and the Monte Carlo method. Each of these approaches presents advantages and limitations that make them suitable for specific applications, while their reliability varies depending on market conditions. VaR is widely used by banks and regulatory authorities as a quantitative risk assessment tool. The empirical analysis is based on financial data, where the application of the three methods to stock indices, commodities, and cryptocurrencies indicated that the Historical Simulation and Variance–Covariance methods produced more conservative risk estimates compared to the Monte Carlo method, particularly at the 95% and 99% confidence levels. The findings highlight the usefulness of each method under different market environments, supporting the role of VaR as an essential tool for financial risk management. Importance of VaR - VaR is important because it consolidates the risk of multiple positions into a single metric, enabling investors and regulatory authorities to better understand the level of risk undertaken. It provides a common framework for measuring the maximum potential portfolio loss with a specified probability. The development of the VaR methodology began in the 1990s by the investment bank J.P. Morgan, and it has since become a global standard in financial markets. Research Objective - Despite its widespread use, selecting the appropriate VaR estimation method largely depends on the type of assets and prevailing market conditions. For example, the cryptocurrency market is highly volatile and may behave differently from traditional financial markets. The objective of this research is to compare three fundamental VaR methodologies and identify which provides the most reliable estimates depending on the asset class, as well as to evaluate the conditions under which each method is most appropriate.