Odhad rizika v měsíčním horizontu na základě dvouleté časové řady

Abstract

V práci jsou popsány nejpoužívanější míry rizika, volatilita, hodnota v riziku (VaR) a očekávaná ztráta (ES), a modely pro měření tržního rizika jak v denním, tak v měsíčním horizontu. Jsou ukázány nedostatky použití škálovacího pravidla pro převod denního VaR a ES na dlouhodobější přenásobením odmocninou z času. Popsány jsou parametrické modely, geometrický Brownův pohyb (GBM) a proces GARCH, a neparametrické modely, historická simulace (HS) a její možná vylepšení. Tyto modely jsou následně aplikovány na reálná data a získané odhady rizika jsou porovnány. Dále je posouzena přesnost modelu pro výpočet VaR prostřednictvím backtestingu. Součástí této práce jsou simulační studie pro odhady VaR a ES za účelem posouzení přesnosti těchto odhadů.

The thesis describes commonly used measures of risk, such as volatility, Value at Risk (VaR) and Expected Shortfall (ES), and is tasked with creating models for measuring market risk. It is concerned with the risk over daily and over monthly horizons and shows the shortcomings of a square-root-of-time approach for converting VaR and ES between horizons. Parametric models, geometric Brownian motion (GBM) and GARCH process, and non-parametric models, historical simulation (HS) and some its possible improvements, are presented. The application of these mentioned models is demonstrated using real data. The accuracy of VaR models is proved through backtesting and the results are discussed. Part of this thesis is also a simulation study, which reveals the precision of VaR and ES estimates.