• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 3
  • 2
  • Tagged with
  • 5
  • 5
  • 4
  • 3
  • 3
  • 3
  • 3
  • 3
  • 3
  • 3
  • 3
  • 3
  • 3
  • 3
  • 3
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Modelling Dependency Structure with Application in Financial Markets: Copula-GARCH(1,1) Approach

Trang, Than January 2021 (has links)
The main objective of this thesis is to examine the dependency structure among different agricultural and energy commodity markets in the United States. For achieving this goal, the paper makes use of the Copula-GARCH(1,1) model to study the financial return volatility and the co-movement between pair of commodities including corn, soybean and gasoline over the pre-COVID 19 pandemic period (from 01-01-2018 to 01-01-2020) and the ongoing COVID 19 pandemic period (from 01-01-2020 to 01-04-2021). First, the study has shown that the time-dependent volatilities of commodity returns display volatility clustering effect in the two periods and the volatility of volatility of commodity markets is higher during the pandemic period. Second, it is observed that the correlations among different commodities have increased significantly in the ongoing pandemic period and we also find that the strongest co-movement is between returns of corn and soybean over the two periods. Finally, the results suggest that the (extreme) co-movements between agricultural commodities (corn and soybean) are governed by symmetry; that is they tend to boom and crash together during extreme shocks or events. On the other hand, the (extreme) co-movements between an agricultural commodity (corn or soybean) and the energy commodity (gas) appear to co-move asymmetrically and they tend to experience the market crash together but not the market boom.
2

Ensaios em modelagem de dependência em séries financeiras multivariadas utilizando cópulas

Tófoli, Paula Virgínia January 2013 (has links)
O presente trabalho foi motivado pela forte demanda por modelos de dependência mais precisos e realistas para aplicações a dados financeiros multivariados. A recente crise financeira de 2007-2009 deixou claro quão importante é uma modelagem precisa da dependência para a avaliação correta do risco financeiro: percepções equivocadas sobre dependências extremas entre diferentes ativos foram um elemento importante da crise do subprime. O famoso teorema dc Sklar (1959) introduziu as cópulas como uma ferramenta para se modelar padrões de dependência mais sofisticados. Ele estabelece que qualquer função de distribuição conjunta ndimensional pode ser decomposta em suas n distribuições marginais e uma cópula, sendo que a última caracteriza completamente a dependência entre as variáveis. Enquanto existe uma variedade de famílias de cópulas bivariadas que podem descrever um amplo conjunto de dependências complexas, o conjunto de cópulas com dimensão mais elevada era bastante restrito até recentemente. Joe (1996) propôs uma construção de distribuições nmltivariadas baseada em pair-copulas (cópulas bivariadas), chamada pair-copula construction ou modelo de vine cópula, que reverteu esse problema. Nesta tese, desenvolvemos três ensaios que exploram a teoria de cópulas para obter modelos de dependência multivariados muito flexíveis para aplicações a dados financeiros. Patton (2006) estendeu o teorema de Sklar para o caso de distribuições condicionais e tornou o parâmetro de dependência da cópula variante no tempo. No primeiro ensaio, introduzimos um novo enfoque para modelar a dependência entre retornos financeiros internacionais ao longo do tempo, combinando cópulas; tempo-variantes e o modelo de mudança Markoviana. Aplicamos esses modelos de cópula e também os modelos propostos por Patton (2006), Jondeau e Rockinger (2006) e Silva Filho et al. (2012a) aos retornos dos índices FTSE 100, CAC 40 e DAX. Comparamos essas metodologias em termos das dinâmicas de dependência resultantes e das habilidades dos modelos em prever Valor em Risco (VaR). Interessantemente, todos os modelos identificam um longo período de alta dependência entre os retornos começando em 2007, quando a crise do subprime teve início oficialmente. Surpreendentemente, as cópulas elípticas mostram melhor desempenho na previsão dos quantis extremos dos retornos dos portfólios. No segundo ensaio, estendemos nosso estudo para o caso de n > 2 variáveis, usando o modelo de vine cópula para investigar a estrutura de dependência dos índices CAC 40, DAX, FTSE 100, S&P 500 e IBOVESPA, e, particularmente, checar a hipótese de dependência assimétrica nesse caso. Com base em nossos resultados empíricos, entretanto, essa hipótese não pode ser verificada. Talvez a dependência assimétrica com caudas inferiores mais fortes ocorra apenas temporariamente, o que sugere que a incorporação de variação temporal ao modelo de vine cópula pode melhorá-lo como ferramenta para modelar dados financeiros internacionais multivariados. Desta forma, no terceiro ensaio, introduzimos dinâmica no modelo de vine cópula permitindo que os parâmetros de dependência das pair-copulas em uma decomposição D-vine sejam potencialmente variantes no tempo, seguindo um processo ARMA(l,m) restrito como em Patton (2006). O modelo proposto é avaliado em simulações e também com respeito à acurácia das previsões de Valor em Risco (VaR) em períodos de crise. Os experimentos de Monte Cailo são bastante favoráveis à cópula D-vine dinâmica em comparação a uma cópula D-vine estática. Adicionalmente, a cópula D-vine dinâmica supera a cópula D-vine estática em termos de acurária preditiva para os nossos conjuntos de dados / This work was motivated by the strong demand for more precise and realistic dependence models for applications to multivariate financial data. The recent financial crisis of 2007-2009 has made it clear how important is a precise modeling of dependence for the accurate assessment of financial risk: misperceptions about extreme dependencies between different financial assets were an important element of the subprime crisis. The famous theorem by Sklar (1959) introduced the copulas as a tool to model more intricate patterns of dependence. It states that any n-dimensional joint distribution function can be decomposed into its n marginal distributions and a copula, where the latter completely characterizes the dependence among the variables. While there is a variety of bivariate copula families, which can match a wide range of complex dependencies, the set of higher-dimensional copulas was quite restricted until recently. Joe (1996) proposed a construction of multivariate distributions based on pair-copulas (bivariate copulas), called pair-copula construction or vine copula model, that has overcome this issue. In this thesis, we develop three papers that explore the copula theory in order to obtain very flexible multivariate dependence rnodels for applications to financial data. Patton (2006) extended Sklar's theorem to the conditional case and rendered the dependence parameter of the copula time-varying. In the first paper, we introduce a new approach to modeling dependence between International financial returns over time, combining time-varying copulas and the Markov switching model. We apply these copula models and also those proposed by Patton (2006), Jondeau and Rockinger (2006) and Silva Filho et al. (2012a) to the return data of FTSE 100, CAC 40 and DAX indexes. We compare these methodologies in terms of the resulting dynamics of dependence and the models' abilities to forecast Value-at-Risk (VaR). Interestingly, ali the models identify a long period of high dependence between the returns beginning in 2007, when the subprime crisis was evolving. Surprisingly, the elhptical copulas perform best in forecasting the extreme quantiles of the portfolios returns. In the second paper, we extend our study to the case of n > 2 variables, using the vine copula model to investigate the dependence structure of the broad stock market indexes CAC 40, DAX, FTSE 100, S&P 500 and IBOVESPA, and, particularly, check the asymmetric dependence hypothesis in this case. Based on our empirical results, however, this hypothesis cannot be verified. Perhaps, asymmetric dependence with stronger lower tails occurs only temporarily, what suggests that incorporating time variation into the vine copula rnodel can improve it as a tool to rnodel multivariate International financial data. So, in the third paper, we introduce dynamics into the vine copula model by allowing the dependence parameters of the pair-copulas in a D-vine decomposition to be potentially timevarying, following a nonlinear restricted ARMA(l,m) process as in Patton (2006). The proposed model is evaluated in simulations and further assessed with respect to the accuracy of Value-at- Risk (VaR) forecasts in crisis periods. The Monte Cario experiments are quite favorable to the dynamic D-vine copula in comparison with a static D-vine copula. Moreover, the dynamic Dvine copula outperforms the static D-vine copula in terms of predictive accuracy for our data sets.
3

Ensaios em modelagem de dependência em séries financeiras multivariadas utilizando cópulas

Tófoli, Paula Virgínia January 2013 (has links)
O presente trabalho foi motivado pela forte demanda por modelos de dependência mais precisos e realistas para aplicações a dados financeiros multivariados. A recente crise financeira de 2007-2009 deixou claro quão importante é uma modelagem precisa da dependência para a avaliação correta do risco financeiro: percepções equivocadas sobre dependências extremas entre diferentes ativos foram um elemento importante da crise do subprime. O famoso teorema dc Sklar (1959) introduziu as cópulas como uma ferramenta para se modelar padrões de dependência mais sofisticados. Ele estabelece que qualquer função de distribuição conjunta ndimensional pode ser decomposta em suas n distribuições marginais e uma cópula, sendo que a última caracteriza completamente a dependência entre as variáveis. Enquanto existe uma variedade de famílias de cópulas bivariadas que podem descrever um amplo conjunto de dependências complexas, o conjunto de cópulas com dimensão mais elevada era bastante restrito até recentemente. Joe (1996) propôs uma construção de distribuições nmltivariadas baseada em pair-copulas (cópulas bivariadas), chamada pair-copula construction ou modelo de vine cópula, que reverteu esse problema. Nesta tese, desenvolvemos três ensaios que exploram a teoria de cópulas para obter modelos de dependência multivariados muito flexíveis para aplicações a dados financeiros. Patton (2006) estendeu o teorema de Sklar para o caso de distribuições condicionais e tornou o parâmetro de dependência da cópula variante no tempo. No primeiro ensaio, introduzimos um novo enfoque para modelar a dependência entre retornos financeiros internacionais ao longo do tempo, combinando cópulas; tempo-variantes e o modelo de mudança Markoviana. Aplicamos esses modelos de cópula e também os modelos propostos por Patton (2006), Jondeau e Rockinger (2006) e Silva Filho et al. (2012a) aos retornos dos índices FTSE 100, CAC 40 e DAX. Comparamos essas metodologias em termos das dinâmicas de dependência resultantes e das habilidades dos modelos em prever Valor em Risco (VaR). Interessantemente, todos os modelos identificam um longo período de alta dependência entre os retornos começando em 2007, quando a crise do subprime teve início oficialmente. Surpreendentemente, as cópulas elípticas mostram melhor desempenho na previsão dos quantis extremos dos retornos dos portfólios. No segundo ensaio, estendemos nosso estudo para o caso de n > 2 variáveis, usando o modelo de vine cópula para investigar a estrutura de dependência dos índices CAC 40, DAX, FTSE 100, S&P 500 e IBOVESPA, e, particularmente, checar a hipótese de dependência assimétrica nesse caso. Com base em nossos resultados empíricos, entretanto, essa hipótese não pode ser verificada. Talvez a dependência assimétrica com caudas inferiores mais fortes ocorra apenas temporariamente, o que sugere que a incorporação de variação temporal ao modelo de vine cópula pode melhorá-lo como ferramenta para modelar dados financeiros internacionais multivariados. Desta forma, no terceiro ensaio, introduzimos dinâmica no modelo de vine cópula permitindo que os parâmetros de dependência das pair-copulas em uma decomposição D-vine sejam potencialmente variantes no tempo, seguindo um processo ARMA(l,m) restrito como em Patton (2006). O modelo proposto é avaliado em simulações e também com respeito à acurácia das previsões de Valor em Risco (VaR) em períodos de crise. Os experimentos de Monte Cailo são bastante favoráveis à cópula D-vine dinâmica em comparação a uma cópula D-vine estática. Adicionalmente, a cópula D-vine dinâmica supera a cópula D-vine estática em termos de acurária preditiva para os nossos conjuntos de dados / This work was motivated by the strong demand for more precise and realistic dependence models for applications to multivariate financial data. The recent financial crisis of 2007-2009 has made it clear how important is a precise modeling of dependence for the accurate assessment of financial risk: misperceptions about extreme dependencies between different financial assets were an important element of the subprime crisis. The famous theorem by Sklar (1959) introduced the copulas as a tool to model more intricate patterns of dependence. It states that any n-dimensional joint distribution function can be decomposed into its n marginal distributions and a copula, where the latter completely characterizes the dependence among the variables. While there is a variety of bivariate copula families, which can match a wide range of complex dependencies, the set of higher-dimensional copulas was quite restricted until recently. Joe (1996) proposed a construction of multivariate distributions based on pair-copulas (bivariate copulas), called pair-copula construction or vine copula model, that has overcome this issue. In this thesis, we develop three papers that explore the copula theory in order to obtain very flexible multivariate dependence rnodels for applications to financial data. Patton (2006) extended Sklar's theorem to the conditional case and rendered the dependence parameter of the copula time-varying. In the first paper, we introduce a new approach to modeling dependence between International financial returns over time, combining time-varying copulas and the Markov switching model. We apply these copula models and also those proposed by Patton (2006), Jondeau and Rockinger (2006) and Silva Filho et al. (2012a) to the return data of FTSE 100, CAC 40 and DAX indexes. We compare these methodologies in terms of the resulting dynamics of dependence and the models' abilities to forecast Value-at-Risk (VaR). Interestingly, ali the models identify a long period of high dependence between the returns beginning in 2007, when the subprime crisis was evolving. Surprisingly, the elhptical copulas perform best in forecasting the extreme quantiles of the portfolios returns. In the second paper, we extend our study to the case of n > 2 variables, using the vine copula model to investigate the dependence structure of the broad stock market indexes CAC 40, DAX, FTSE 100, S&P 500 and IBOVESPA, and, particularly, check the asymmetric dependence hypothesis in this case. Based on our empirical results, however, this hypothesis cannot be verified. Perhaps, asymmetric dependence with stronger lower tails occurs only temporarily, what suggests that incorporating time variation into the vine copula rnodel can improve it as a tool to rnodel multivariate International financial data. So, in the third paper, we introduce dynamics into the vine copula model by allowing the dependence parameters of the pair-copulas in a D-vine decomposition to be potentially timevarying, following a nonlinear restricted ARMA(l,m) process as in Patton (2006). The proposed model is evaluated in simulations and further assessed with respect to the accuracy of Value-at- Risk (VaR) forecasts in crisis periods. The Monte Cario experiments are quite favorable to the dynamic D-vine copula in comparison with a static D-vine copula. Moreover, the dynamic Dvine copula outperforms the static D-vine copula in terms of predictive accuracy for our data sets.
4

Ensaios em modelagem de dependência em séries financeiras multivariadas utilizando cópulas

Tófoli, Paula Virgínia January 2013 (has links)
O presente trabalho foi motivado pela forte demanda por modelos de dependência mais precisos e realistas para aplicações a dados financeiros multivariados. A recente crise financeira de 2007-2009 deixou claro quão importante é uma modelagem precisa da dependência para a avaliação correta do risco financeiro: percepções equivocadas sobre dependências extremas entre diferentes ativos foram um elemento importante da crise do subprime. O famoso teorema dc Sklar (1959) introduziu as cópulas como uma ferramenta para se modelar padrões de dependência mais sofisticados. Ele estabelece que qualquer função de distribuição conjunta ndimensional pode ser decomposta em suas n distribuições marginais e uma cópula, sendo que a última caracteriza completamente a dependência entre as variáveis. Enquanto existe uma variedade de famílias de cópulas bivariadas que podem descrever um amplo conjunto de dependências complexas, o conjunto de cópulas com dimensão mais elevada era bastante restrito até recentemente. Joe (1996) propôs uma construção de distribuições nmltivariadas baseada em pair-copulas (cópulas bivariadas), chamada pair-copula construction ou modelo de vine cópula, que reverteu esse problema. Nesta tese, desenvolvemos três ensaios que exploram a teoria de cópulas para obter modelos de dependência multivariados muito flexíveis para aplicações a dados financeiros. Patton (2006) estendeu o teorema de Sklar para o caso de distribuições condicionais e tornou o parâmetro de dependência da cópula variante no tempo. No primeiro ensaio, introduzimos um novo enfoque para modelar a dependência entre retornos financeiros internacionais ao longo do tempo, combinando cópulas; tempo-variantes e o modelo de mudança Markoviana. Aplicamos esses modelos de cópula e também os modelos propostos por Patton (2006), Jondeau e Rockinger (2006) e Silva Filho et al. (2012a) aos retornos dos índices FTSE 100, CAC 40 e DAX. Comparamos essas metodologias em termos das dinâmicas de dependência resultantes e das habilidades dos modelos em prever Valor em Risco (VaR). Interessantemente, todos os modelos identificam um longo período de alta dependência entre os retornos começando em 2007, quando a crise do subprime teve início oficialmente. Surpreendentemente, as cópulas elípticas mostram melhor desempenho na previsão dos quantis extremos dos retornos dos portfólios. No segundo ensaio, estendemos nosso estudo para o caso de n > 2 variáveis, usando o modelo de vine cópula para investigar a estrutura de dependência dos índices CAC 40, DAX, FTSE 100, S&P 500 e IBOVESPA, e, particularmente, checar a hipótese de dependência assimétrica nesse caso. Com base em nossos resultados empíricos, entretanto, essa hipótese não pode ser verificada. Talvez a dependência assimétrica com caudas inferiores mais fortes ocorra apenas temporariamente, o que sugere que a incorporação de variação temporal ao modelo de vine cópula pode melhorá-lo como ferramenta para modelar dados financeiros internacionais multivariados. Desta forma, no terceiro ensaio, introduzimos dinâmica no modelo de vine cópula permitindo que os parâmetros de dependência das pair-copulas em uma decomposição D-vine sejam potencialmente variantes no tempo, seguindo um processo ARMA(l,m) restrito como em Patton (2006). O modelo proposto é avaliado em simulações e também com respeito à acurácia das previsões de Valor em Risco (VaR) em períodos de crise. Os experimentos de Monte Cailo são bastante favoráveis à cópula D-vine dinâmica em comparação a uma cópula D-vine estática. Adicionalmente, a cópula D-vine dinâmica supera a cópula D-vine estática em termos de acurária preditiva para os nossos conjuntos de dados / This work was motivated by the strong demand for more precise and realistic dependence models for applications to multivariate financial data. The recent financial crisis of 2007-2009 has made it clear how important is a precise modeling of dependence for the accurate assessment of financial risk: misperceptions about extreme dependencies between different financial assets were an important element of the subprime crisis. The famous theorem by Sklar (1959) introduced the copulas as a tool to model more intricate patterns of dependence. It states that any n-dimensional joint distribution function can be decomposed into its n marginal distributions and a copula, where the latter completely characterizes the dependence among the variables. While there is a variety of bivariate copula families, which can match a wide range of complex dependencies, the set of higher-dimensional copulas was quite restricted until recently. Joe (1996) proposed a construction of multivariate distributions based on pair-copulas (bivariate copulas), called pair-copula construction or vine copula model, that has overcome this issue. In this thesis, we develop three papers that explore the copula theory in order to obtain very flexible multivariate dependence rnodels for applications to financial data. Patton (2006) extended Sklar's theorem to the conditional case and rendered the dependence parameter of the copula time-varying. In the first paper, we introduce a new approach to modeling dependence between International financial returns over time, combining time-varying copulas and the Markov switching model. We apply these copula models and also those proposed by Patton (2006), Jondeau and Rockinger (2006) and Silva Filho et al. (2012a) to the return data of FTSE 100, CAC 40 and DAX indexes. We compare these methodologies in terms of the resulting dynamics of dependence and the models' abilities to forecast Value-at-Risk (VaR). Interestingly, ali the models identify a long period of high dependence between the returns beginning in 2007, when the subprime crisis was evolving. Surprisingly, the elhptical copulas perform best in forecasting the extreme quantiles of the portfolios returns. In the second paper, we extend our study to the case of n > 2 variables, using the vine copula model to investigate the dependence structure of the broad stock market indexes CAC 40, DAX, FTSE 100, S&P 500 and IBOVESPA, and, particularly, check the asymmetric dependence hypothesis in this case. Based on our empirical results, however, this hypothesis cannot be verified. Perhaps, asymmetric dependence with stronger lower tails occurs only temporarily, what suggests that incorporating time variation into the vine copula rnodel can improve it as a tool to rnodel multivariate International financial data. So, in the third paper, we introduce dynamics into the vine copula model by allowing the dependence parameters of the pair-copulas in a D-vine decomposition to be potentially timevarying, following a nonlinear restricted ARMA(l,m) process as in Patton (2006). The proposed model is evaluated in simulations and further assessed with respect to the accuracy of Value-at- Risk (VaR) forecasts in crisis periods. The Monte Cario experiments are quite favorable to the dynamic D-vine copula in comparison with a static D-vine copula. Moreover, the dynamic Dvine copula outperforms the static D-vine copula in terms of predictive accuracy for our data sets.
5

Quantitative Portfolio Construction Using Stochastic Programming / Kvantitativ portföljkonstruktion med användning av stokastisk programmering : En studie inom portföljoptimering

Ashant, Aidin, Hakim, Elisabeth January 2018 (has links)
In this study within quantitative portfolio optimization, stochastic programming is investigated as an investment decision tool. This research takes the direction of scenario based Mean-Absolute Deviation and is compared with the traditional Mean-Variance model and widely used Risk Parity portfolio. Furthermore, this thesis is done in collaboration with the First Swedish National Pension Fund, AP1, and the implemented multi-asset portfolios are thus tailored to match their investment style. The models are evaluated on two different fund management levels, in order to study if the portfolio performance benefits from a more restricted feasible domain. This research concludes that stochastic programming over the investigated time period is inferior to Risk Parity, but outperforms the Mean-Variance Model. The biggest aw of the model is its poor performance during periods of market stress. However, the model showed superior results during normal market conditions. / I denna studie inom kvantitativ portföljoptimering undersöks stokastisk programmering som ett investeringsbeslutsverktyg. Denna studie tar riktningen för scenariobaserad Mean-Absolute Deviation och jämförs med den traditionella Mean-Variance-modellen samt den utbrett använda Risk Parity-portföljen. Avhandlingen görs i samarbete med Första AP-fonden, och de implementerade portföljerna, med era tillgångsslag, är därför skräddarsydda för att matcha deras investeringsstil. Modellerna utvärderas på två olika fondhanteringsnivåer för att studera om portföljens prestanda drar nytta av en mer restrektiv optimeringsmodell. Den här undersökningen visar att stokastisk programmering under undersökta tidsperioder presterar något sämre än Risk Parity, men överträffar Mean-Variance. Modellens största brist är dess prestanda under perioder av marknadsstress. Modellen visade dock något bättre resultat under normala marknadsförhållanden.

Page generated in 0.0373 seconds