Advanced

Ska olika VaR-modeller användas för olika tillgångstyper?

Bengtsson, Peter (2006)
Department of Economics
Abstract (Swedish)
I takt med att handeln med finansiella tillgångar ökat har också intresset för att finna tillförlitliga metoder att bedöma risken ökat. Ett mått för att mäta risken för en tillgång eller för en portfölj av tillgångar är Value-at-Risk (VaR). VaR definieras som; den med viss sannolikhet förväntade förlusten från ogynnsamma marknadsrörelser över en definierad tidsperiod. Fördelen med VaR är att riskbedömningen bryts ner till ett enda mått som är ganska lätt att förstå. Det finns flera olika sätt att beräkna VaR och det har gjorts många undersökningar för att testa vilken modell som ger bäst resultat. I nästan alla tidigare undersökningar har man använt sig av ett aktieindex för att testa VaR-modellerna. Avkastningen och risken förknippad med... (More)
I takt med att handeln med finansiella tillgångar ökat har också intresset för att finna tillförlitliga metoder att bedöma risken ökat. Ett mått för att mäta risken för en tillgång eller för en portfölj av tillgångar är Value-at-Risk (VaR). VaR definieras som; den med viss sannolikhet förväntade förlusten från ogynnsamma marknadsrörelser över en definierad tidsperiod. Fördelen med VaR är att riskbedömningen bryts ner till ett enda mått som är ganska lätt att förstå. Det finns flera olika sätt att beräkna VaR och det har gjorts många undersökningar för att testa vilken modell som ger bäst resultat. I nästan alla tidigare undersökningar har man använt sig av ett aktieindex för att testa VaR-modellerna. Avkastningen och risken förknippad med den är dock olika för olika tillgångstyper. I den här uppsatsen försöker jag istället besvara frågan; Ska olika VaR-modeller användas för olika tillgångar? Jag har valt tre olika sätt att beräkna VaR på. Equally weighted moving average (MA), Exponentially weighted moving average (RiskMetrics) och Historisk simulering. För samtliga modeller beräknas VaR på både 95- och 99-procents konfidensnivå. De tillgångar jag valt att testa modellerna på är guld, aktieindex, valutakurs och statsskuldsväxlar. Modellerna testas i ett första steg för att kontrollera att de är statistiskt korrekta och de som klarar det testas därefter i ett andra steg för att mäta storleken på förlusten. Resultatet av beräkningarna är ganska skiftande. För guld visade det sig att endast MA gav ett acceptabelt resultat. När det gäller aktieindexet var det något överraskande den historiska simuleringen som klarade sig bäst i testerna. I tidigare undersökningar har RiskMetrics visat sig fungera bäst på aktieindex. För valutakursen var det olika modeller som klarade sig bäst på de olika konfidensnivåerna. För statsskuldsväxlarna blev resultatet så skiftande att det är svårt att dra några riktiga slutsatser. Det går ändå att konstatera att historisk simulering klarade sig bra också här. Slutsatsen jag drar från den här uppsatsen är att tillgångstypen spelar roll för valet av VaR-modell. (Less)
Please use this url to cite or link to this publication:
author
Bengtsson, Peter
supervisor
organization
year
type
M2 - Bachelor Degree
subject
keywords
Value-at-Risk, VaR, riskhantering, Economics, econometrics, economic theory, economic systems, economic policy, Nationalekonomi, ekonometri, ekonomisk teori, ekonomiska system, ekonomisk politik
language
Swedish
id
1338536
date added to LUP
2006-10-22
date last changed
2010-08-03 10:49:27
@misc{1338536,
  abstract     = {I takt med att handeln med finansiella tillgångar ökat har också intresset för att finna tillförlitliga metoder att bedöma risken ökat. Ett mått för att mäta risken för en tillgång eller för en portfölj av tillgångar är Value-at-Risk (VaR). VaR definieras som; den med viss sannolikhet förväntade förlusten från ogynnsamma marknadsrörelser över en definierad tidsperiod. Fördelen med VaR är att riskbedömningen bryts ner till ett enda mått som är ganska lätt att förstå. Det finns flera olika sätt att beräkna VaR och det har gjorts många undersökningar för att testa vilken modell som ger bäst resultat. I nästan alla tidigare undersökningar har man använt sig av ett aktieindex för att testa VaR-modellerna. Avkastningen och risken förknippad med den är dock olika för olika tillgångstyper. I den här uppsatsen försöker jag istället besvara frågan; Ska olika VaR-modeller användas för olika tillgångar? Jag har valt tre olika sätt att beräkna VaR på. Equally weighted moving average (MA), Exponentially weighted moving average (RiskMetrics) och Historisk simulering. För samtliga modeller beräknas VaR på både 95- och 99-procents konfidensnivå. De tillgångar jag valt att testa modellerna på är guld, aktieindex, valutakurs och statsskuldsväxlar. Modellerna testas i ett första steg för att kontrollera att de är statistiskt korrekta och de som klarar det testas därefter i ett andra steg för att mäta storleken på förlusten. Resultatet av beräkningarna är ganska skiftande. För guld visade det sig att endast MA gav ett acceptabelt resultat. När det gäller aktieindexet var det något överraskande den historiska simuleringen som klarade sig bäst i testerna. I tidigare undersökningar har RiskMetrics visat sig fungera bäst på aktieindex. För valutakursen var det olika modeller som klarade sig bäst på de olika konfidensnivåerna. För statsskuldsväxlarna blev resultatet så skiftande att det är svårt att dra några riktiga slutsatser. Det går ändå att konstatera att historisk simulering klarade sig bra också här. Slutsatsen jag drar från den här uppsatsen är att tillgångstypen spelar roll för valet av VaR-modell.},
  author       = {Bengtsson, Peter},
  keyword      = {Value-at-Risk,VaR,riskhantering,Economics, econometrics, economic theory, economic systems, economic policy,Nationalekonomi, ekonometri, ekonomisk teori, ekonomiska system, ekonomisk politik},
  language     = {swe},
  note         = {Student Paper},
  title        = {Ska olika VaR-modeller användas för olika tillgångstyper?},
  year         = {2006},
}