This thesis aims at implementing and evaluating the performance of multivariate Expected Shortfall models on high frequency foreign exchange data. The implementation is conducted with a unique portfolio consisting of five foreign exchange rates; EUR/SEK, EUR/NOK, EUR/USD, USD/SEK and USD/NOK. High frequency is in this context defined as observations with time intervals from second by second up to minute by minute. The thesis consists of three main parts. In the first part, the exchange rates are modelled individually with time series models for returns and realized volatility. In the second part, the dependence between the exchange rates is modelled with copulas. In the third part, Expected Shortfall is calculated, the risk contribution of each exchange rate is derived and the models are backtested. The results of the thesis indicate that three of the five final models can be rejected at a 5% significance level if the risk is measured by Expected Shortfall (ES0:05). The two models that cannot be rejected are based on the Clayton and Student’s t copulas, the only two copulas with heavy left tails. The rejected models are based on the Gaussian, Gumbel-Hougaard and Frank copulas. The fact that some of the copula models are rejected emphasizes the importance of choosing an appropriate dependence structure. The risk contribution calculations show that the risk contributions are highest from EUR/NOK and USD/NOK, and that EUR/USD has the lowest risk contribution and even decreases the portfolio risk in some cases. Regarding the underlying models, it is concluded that for the data used in this thesis, the final combined time series and copula models perform quite well, given that the purpose is to measure the risk. However, the most important parts to capture seem to be the fluctuations in the volatilities as well as the tail dependencies between the exchange rates. Thus, the predictions of the return mean values play a less significant role, even though they still improve the results and are necessary in order to proceed with other parts of the modelling. As future research, we first and foremost recommend including the liquidity aspect in the models. / Syftet med denna masteruppsats är att implementera och utvärdera multidimensionella Expected Shortfall-modeller på högfrekvent växelkursdata. Implementeringen och utvärderingen utförs med en unik portfölj bestående av fem växelkurser; EUR/SEK, EUR/NOK, EUR/USD, USD/SEK och USD/NOK. Högfrekventa observationer är i denna uppsats definierade som sekundvisa upp till minutvisa observationer. Uppsatsen består av tre huvuddelar. I den första delen modelleras växelkurserna individuellt med tidsseriemodeller för växelkursförändringarna i form av avkastning och realiserad volatilitet. I del två modelleras beroendestrukturerna mellan de olika växelkurserna med hjälp av copulas. I den tredje och sista delen beräknas Expected Shortfall och riskbidragen från de enskilda växelkurserna, varefter modellerna utfallstestas. De slutgiltiga resultaten indikerar att tre av de fem föreslagna modellerna kan förkastas vid en signifikansnivå på 5% om risken mäts med Expected Shortfall (ES0:05). De två modeller som inte kan förkastas är baserade på Clayton och Student’s t copulas, vilka särskiljer sig från övriga copulas genom att de har tjocka vänstersvansar. De modeller som förkastas är baserade på Gaussian, Gumbel-Hougaard och Frank copulas. Det faktum att några copula-modeller förkastas betonar vikten av att välja en lämplig beroendestruktur. Riskbidragsberäkningarna visar att EUR/NOK och USD/NOK bidrar mest till den totala risken i portföljen och att EUR/USD har det lägsta riskbidraget, där EUR/USD till och med minskar risken i vissa fall. Vad gäller underliggande modeller så visas det att för den tillgängliga datan i den här uppsatsen så fungerar tidsseriemodeller i kombination med copulas bra, givet att syftet är att mäta risk. Dock tyder resultaten på att volatilitetsfluktuationer samt svansberoenden mellan växelkurserna är de mest väsentliga delarna att fånga. Väntevärdesprognoserna för avkastningarna har mindre inverkan på de slutgiltiga beräkningarna, även om de fortfarande förbättrar resultaten och i sig är nödvändiga för fortsatt modellering. För framtida studier rekommenderar vi först och främst att inkludera likviditetsaspekter i modellerna.

Cette thèse se concentre sur des mesures du risque financier et la modélisation de la volatilité. L’objectifgénéral est : (i) de proposer de nouvelles techniques pour mesurer à la fois le risque systémique et lerisque à haute fréquence, et (ii) d’appliquer et d’améliorer les outils économétriques de modélisation etde prévision de la volatilité. Ce travail comporte quatre chapitres (papiers de recherche).La première partie de la thèse traite des questions liées à la modélisation et la prévision des mesuresdu risque à haute fréquence et du risque systémique. Plus précisément, le deuxième chapitre proposeune nouvelle mesure du risque systémique utilisée pour identifier les institutions financières d’importancesystémique (SIFIs). Basée sur une approche spécifique, cette mesure originale permet de décomposer lerisque global du système financier tout en tenant compte des caractéristiques de l’entreprise. Le troisièmechapitre propose des mesures du risque de marché intra-journalier dans le contexte particulier des donnéesà haute fréquence irrégulièrement espacées dans le temps (tick-by-tick).La deuxième partie de la thèse est consacrée aux méthodes d’estimation et de prévision de la volatilitéincluant directement des données à haute fréquence ou des mesures réalisées de volatilité. Ainsi, dans lequatrième chapitre, nous cherchons à déterminer, dans le contexte des modèles de mélange des fréquencesd’échantillonnage (MIDAS), si des regresseurs à haute fréquence améliorent les prévisions de la volatilitéà basse fréquence. Une question liée est de savoir s’il existe une fréquence d’échantillonnage optimaleen termes de prévision, et non de mesure de la volatilité. Le cinquième chapitre propose une versionrobuste aux jumps du modèle Realized GARCH. L’application porte sur la crise / This thesis focuses on financial risk measures and volatility modeling. The broad goal of this dissertationis: (i) to propose new techniques to measure both systemic risk and high-frequency risk, and (ii) toapply and improve advanced econometric tools to model and forecast time-varying volatility. This workhas been concretized in four chapters (articles).The first part addresses issues related to econometric modeling and forecasting procedures on bothsystemic risk and high-frequency risk measures. More precisely, Chapter 2 proposes a new systemic riskmeasure used to identify systemically important financial institutions (SIFIs). Based on a componentapproach, this original measure allows to decompose the risk of the aggregate financial system whileaccounting for the firm characteristics. Chapter 3 studies the importance and certifies the validity ofintraday High Frequency Risk (HFR) measures for market risk in the special context of irregularly spacedhigh-frequency data.The second part of this thesis tackles the need to improve the estimation/prediction of volatility bydirectly including high-frequency data or realized measures of volatility. Therefore, in Chapter 4 weexamine whether high-frequency data improve the volatility forecasts accuracy, and if so, whether thereexists an optimal sampling frequency in terms of prediction. Chapter 5 studies the financial volatilityduring the global financial crisis. To this aim, we use the largest volatility shocks, as provided by therobust version of the Realized GARCH model, to identify and analyze the events having induced theseshocks during the crisis.