Βασικός στόχος αυτής τη εργασίας είναι να παρουσιάσει με λεπτομερή και τεκμηριωμένο τρόπο την διαδικασία που ακολουθεί ένας χρηματοοικονομικός αναλυτής έτσι ώστε να προσδιορίσει την σχέση απόδοσης και κινδύνου κάποιων χρεογράφων με απώτερο σκοπό να καταλήξει σε ορθολογικά συμπεράσματα που μπορούν να τον οδηγήσουν στις βέλτιστες αποφάσεις. Οι αποφάσεις αυτές θα αφορούν την δόμηση ενός βέλτιστου χαρτοφυλακίου χρεογράφων το οποίο για δεδομένο κίνδυνο θα αποφέρει την μέγιστη αναμενόμενη απόδοση η αντίστροφα με δεδομένη την επιθυμητή απόδοση θα ενέχει το ελάχιστο ρίσκο . Η χρήση του απλού γραμμικού υποδείγματος , της μεθόδου ελαχίστων τετραγώνων (OLS) , των διαστημάτων εμπιστοσύνης και της στατιστικής συμπερασματολογίας είναι κάποιες από τις μεθόδους που θα εφαρμόσουμε για να προσδιορίσουμε με ακρίβεια την σχέση απόδοσης και κινδύνου χρεογράφων των οποίων έχουμε επιλέξει για τις εφαρμογές μας . Οι διαταράξεις των υποθέσεων του απλού γραμμικού υποδείγματος , όπως η αυτοσυσχέτιση και η ετεροσκεδαστικότητα είναι επίσης αντικείμενα προς εξέταση ,παράγοντες οι οποίοι αλλοιώνουν τις οικονομετρικές εκτιμήσεις της μεθόδου των ελαχίστων τετραγώνων και πρέπει να άρονται από τον αναλυτή, έτσι ώστε να καταλήγει η ανάλυση και η έρευνα των χρηματοοικονομικών εφαρμογών σε αξιόπιστες εκτιμήσεις . Ιδίως στην αντιμετώπιση της ετεροσκεδαστικότητας, η χρήση των μοντέλων ARCH/GARCH, μπορεί να μας οδηγήσει στο ζητούμενο ,το οποίο είναι η εκτίμηση και η πρόβλεψη του μελλοντικού κινδύνου αγοράς ενός χρεογράφου όπως η μετοχή . / The basic goal of this paper is to present in an analytic and trustworthy way, the process that a financial analyst follows so as to evaluate the relationship between risk and return of stocks. This kind of process will lead the analyst to rational conclusions and effective decisions which concern the structure of optimal portfolios of stocks. The optimal portfolio structure offers a maximum expected return if the risk is known and vice versa (minimum risk when the return is known).The use of the simple linear model, least square method and statistical conclusion function, are some of the methods that will help us to measure the relationship between risk and return of the stocks that we have chose to use for our applications. The disorders of the simple linear model assumptions, autocorrelation and heteroscedasticity, are parameters who are making the estimations of least squares method spurious. The analyst has to detect these problems so as the analysis and research of financial applications to conclude rational and effective estimations.Specialy in coping with heteroscedasticity, the use of ARCH/GARCH models can lead us to the objective, the estimation and forecast of the future risk of the stock being studied.

Στην εργασία αυτή προσεγγίζεται μια μέθοδος ιδιαίτερα γνωστή στον χρηματοπιστωτικό τομέα, με την οποία γίνεται αποτίμηση της αξίας σε κίνδυνο, Value at Risk, που είναι εκτεθειμένες μετοχές και χαρτοφυλάκιο, σύμφωνα με την συσχέτιση των αποδόσεων των περουσιακών τους στοιχείων, αλλά και το συστηματικό κίνδυνο αυτών σε σχέση με τις γενικές τάσεις της αγοράς. Χρησιμοποιώντας τις αποδόσεις 3 μετοχών, αλλά και ενός χαρτοφυλακίου μετοχών απο το Χρηματιστήριο Αξιών Αθηνών, ο βασικός στόχος της παρούσας διατριβής είναι να γίνει μια συγκρτική ανάλυση της αξίας σε κίνδυνο (VaR) για έναν επενδυτή με θέση αγοράς σε διάφορα επίπεδα εμπιστοσύνης και για δύο υποδείγματα δεσμευμένης ετεροσκεδαστικότητας (GARCH και E-GARCH). Για αυτή την συγκριτική ανάλυση, χρησιμοποιείται μια μεθοδολογία για τον έλεγχο των αποτελεσμάτων των παραπάνω υποδειγμάτων, γνωστή ως έλεγχος Kupiec. / In this Theses, we present an application well-known in the financial sector, Value at Risk, with which we measure the risk of stocks and portofolios. Using the returns of 3 stocks and a portofolio from the Greek Stock Exchange Market, the basic goal of the present theses is to make a comparative analysis of the value at risk for an investor with long rading position in various confidence levels and for two generalized autoregressive conditional heteroskedasticity models (GARCH and E-GARCH). For this comparative analysis, a methodology is used to backtest the results of the GARCH models, known as Kupiec Test.