Презентация Modeling and forecasting. Volatility онлайн

На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Modeling and forecasting. Volatility абсолютно бесплатно. Урок-презентация на эту тему содержит всего 80 слайдов. Все материалы созданы в программе PowerPoint и имеют формат ppt или же pptx. Материалы и темы для презентаций взяты из открытых источников и загружены их авторами, за качество и достоверность информации в них администрация сайта не отвечает, все права принадлежат их создателям. Если вы нашли то, что искали, отблагодарите авторов - поделитесь ссылкой в социальных сетях, а наш сайт добавьте в закладки.

Презентации » Экономика и Финансы » Modeling and forecasting. Volatility

Просмотр ВСЕЙ презентации! ЖМИТЕ

Оцените презентацию от 1 до 5 баллов!

Смотреть онлайн
Скачать

Тип файла:

ppt / pptx (powerpoint)
Всего слайдов:

80 слайдов
Для класса:

1,2,3,4,5,6,7,8,9,10,11
Размер файла:

5.00 MB
Просмотров:

77
Скачиваний:

0
Автор:

неизвестен

Слайды и текст к этой презентации:

№1 слайд

Содержание слайда:

№2 слайд

Содержание слайда: Outline Introduction: Why ARCH? ARCH Models Extensions: GARCH, T-GARCH, Q-GARCH, GARCH-M, Box-Cox GARCH Estimation Multivariate GARCH Models: Diagonal Vech, BEKK and CCC Application: Value-at-Risk (VaR) Appendix

№3 слайд

Содержание слайда: 1. Introduction: Why ARCH?

№4 слайд

Содержание слайда:

№5 слайд

Содержание слайда: Some example series: UST10Y

№6 слайд

Содержание слайда: Dow Jones

№7 слайд

Содержание слайда: U.S. Unemployment rate vs. stock market volatility, 1929-2010

№8 слайд

Содержание слайда: U.S. Realized Volatility (kernel based) 1997-2009

№9 слайд

Содержание слайда:

№10 слайд

Содержание слайда:

№11 слайд

Содержание слайда:

№12 слайд

Содержание слайда:

№13 слайд

Содержание слайда:

№14 слайд

Содержание слайда: Skewness

№15 слайд

Содержание слайда: Kurtosis

№16 слайд

Содержание слайда:

№17 слайд

Содержание слайда:

№18 слайд

Содержание слайда: EViews Example – Daily S&P 500 Returns

№19 слайд

Содержание слайда: When we learn about GARCH(1,1)…

№20 слайд

Содержание слайда: We’ll be able to make squared residuals white noise

№21 слайд

Содержание слайда: Quality of TGARCH predictions: 1% quantiles, VaR(0.01), from August 1, 2007

№22 слайд

Содержание слайда: 2. ARCH Models

№23 слайд

Содержание слайда:

№24 слайд

Содержание слайда:

№25 слайд

Содержание слайда:

№26 слайд

Содержание слайда:

№27 слайд

Содержание слайда: 3. Extensions

№28 слайд

Содержание слайда:

№29 слайд

Содержание слайда:

№30 слайд

Содержание слайда:

№31 слайд

Содержание слайда: I-GARCH If the coefficients of the GARCH model sum to 1, then the model has “integrated” volatility. This is similar to having a random walk, but in volatility instead of the variable itself. Model itself remains stationary (if constant variance model is stationary) Likelihood-based inference remains valid (Lumsdaine, 1996 Econometrica)

№32 слайд

Содержание слайда:

№33 слайд

Содержание слайда:

№34 слайд

Содержание слайда:

№35 слайд

Содержание слайда:

№36 слайд

Содержание слайда:

№37 слайд

Содержание слайда:

№38 слайд

Содержание слайда:

№39 слайд

Содержание слайда:

№40 слайд

Содержание слайда:

№41 слайд

Содержание слайда:

№42 слайд

Содержание слайда: Summing up (see Appendix for an expanded list)

№43 слайд

Содержание слайда: 3. Estimation

№44 слайд

Содержание слайда: Maximum Likelihood

№45 слайд

Содержание слайда: Maximum Likelihood (continued)

№46 слайд

Содержание слайда: Optimization

№47 слайд

Содержание слайда: Multiple Solutions

№48 слайд

Содержание слайда: 4. Multivariate models

№49 слайд

Содержание слайда:

№50 слайд

Содержание слайда:

№51 слайд

Содержание слайда:

№52 слайд

Содержание слайда:

№53 слайд

Содержание слайда:

№54 слайд

Содержание слайда:

№55 слайд

Содержание слайда:

№56 слайд

Содержание слайда: An example of volatility “contagion’’

№57 слайд

Содержание слайда: 5. Application: Value-at-Risk (VaR)

№58 слайд

Содержание слайда: VaR What is the most I can lose on an investment? VaR tries to provide an answer. It is used most often by commercial and investment banks to capture the potential loss in value of their traded portfolios from adverse market movements over a specified period. This potential loss can then be compared to their available capital and cash reserves to ensure that the losses can be covered without putting the firms at risk. VaR is applied widely in capital regulation (Basel)

№59 слайд

Содержание слайда: Value-at-Risk (VaR) VaR summarizes the expected maximum loss over a time horizon within a given confidence interval The VaR approach tries to estimate the level of losses that will be exceeded over a given time period only with a certain (small) probability For example, the 95% VaR loss is the amount of loss that will be exceeded only 5% of the time

№60 слайд

Содержание слайда: Value-at-Risk (VaR) - Continued The simplest assumption: daily gains/losses are normally distributed and independent. Calculate VaR from the standard deviation of the portfolio change, σ, assuming the mean change in the portfolio value is 0: 1-day VaR= N-1(X)σ, with X the confidence level. The N-day VaR equals sqrt(N) times the 1-day VaR.

№61 слайд

Содержание слайда: Measuring VaR with historical data

№62 слайд

Содержание слайда: Assuming a Normal distribution

№63 слайд

Содержание слайда: VaR with Normally Distributed Returns

№64 слайд

Содержание слайда: Portfolio VaR When we have more than one asset in our portfolio we can exploit the gains from diversification. There are gains from diversification whenever the VaR for the portfolio does not exceed the sum of the stand-alone VaRs (i.e., the VaRs on the single assets). The VaR for the portfolio equals the sum of the stand-alone VaRs if and only if the securities’ returns are uncorrelated.

№65 слайд

Содержание слайда: An Example Let us consider the following investment US$200 million invested in 5-year zero coupon US Treasury Examine VaR using a daily horizon Assume that the mean daily return is 0.01% Based on past several years of actual returns, the standard deviation is s = 0.295%.

№66 слайд

Содержание слайда: An Example (cont.)

№67 слайд

Содержание слайда: An Example of Portfolio VaR Two securities 30-year zero-coupon U.S. Treasury bond 5-year zero-coupon U.S. Treasury bond For simplicity assume that the expected return is zero Invest US$100 million in the 30-year bond Daily return volatility (std dev) s1 = 1.409% Invest US$200 million in the 5-year bond Daily return volatility (std dev) s2 = 0.295%

№68 слайд

Содержание слайда: An Example of Portfolio VaR 95% confidence level 30 year zero VaR 1.65 * 0.01409 * 100m = $2,325,000 5 year zero VaR 1.65 * 0.00295 * 200m = $974,000 Sum of individual VaRs = US$ 3.299m But US$3.299 million is not the VaR for the portfolio...why?

№69 слайд

Содержание слайда: VaR of the Portfolio Suppose the correlation between the two bonds is r12=0.88 Remember that Portfolio variance: (100*0.01409)2 + (200*0.00295)2 +2(100*0.01409)(200*0.00295) * 0.88 = 3.797 Portfolio standard deviation: sp = $1.948m Portfolio VaR = 1.65 * 1.948m = $3.214m This is different from the sum of VaRs

№70 слайд

Содержание слайда: The problem with Normality: Kurtosis Extreme asset price changes occur more often than the normal distribution predicts. Excess kurtosis (fat tails)

№71 слайд

Содержание слайда: Fat Tails and underestimation of VaR If we assume that returns are normally distributed when they are not, we underestimate the VaR

№72 слайд

Содержание слайда: Backtesting Model backtesting involves systematic comparisons of the calculated VaRs with the subsequent realized profits and losses. With a 95% VaR bound, expect 5% of losses greater than the bound Example: Approximately 12 days out of 250 trading days If the actual number of exceptions is “significantly” higher than the desired confidence level, the model may be inaccurate. Therefore, in additional to the risk predicted by the VaR, there is also “model risk”

№73 слайд

Содержание слайда: Relevance: Basel VaR Guidelines VaR computed daily, holding period is 10 days. The confidence interval is 99 percent Banks are required to hold capital in proportion to the losses that can be expected to occur more often than once every 100 periods At least 1 year of data to calculate parameters Parameter estimates updated at least quarterly Capital provision is the greater of Previous day’s VAR 3 times the average of the daily VAR for the preceding 60 business days plus a factor based on backtesting results

№74 слайд

Содержание слайда: Summing up A host of research has examined a. how best to compute VaR with assumptions other than the standardized normal b. How to obtain more reliable variance and covariance values to use in the VaR calculations. Here Multivariate GARCH models play an important role in assessing both portfolio risk and diversification benefits. We will see this in the forthcoming workshop

№75 слайд