Value at Risk (VaR) and Expected Shortfall (ES) are methods often used to measure market risk. Inaccurate and unreliable Value at Risk and Expected Shortfall models can lead to underestimation of the market risk that a firm or financial institution is exposed to, and therefore may jeopardize the well-being or survival of the firm or financial institution during adverse markets. The objective of this study is therefore to examine various Value at Risk and Expected Shortfall models, including fatter tail models, in order to analyze the accuracy and reliability of these models. Thirteen VaR and ES models under three main approaches (Parametric, Non-Parametric and Semi-Parametric) are examined in this study. The results of this study show that the proposed model (ARMA(1,1)-GJR-GARCH(1,1)-SGED) gives the most balanced Value at Risk results. The semi-parametric model (Extreme Value Theory, EVT) is the most accurate Value at Risk model in this study for S&P 500. / October 2014

Η παρούσα διπλωματική ασχολείται με το ζήτημα των διαρθρωτικών μεταβολών στη μη δεσμευμένη διακύμανση χρηματιστηριακών στοιχείων. Παρουσιάζονται διάφοροι έλεγχοι που χρησιμοποιούνται στην εμπειρική έρευνα, μαζί με μια σύντομη παρουσίαση των επιπτώσεων από την αγνόηση της ύπαρξης τέτοιων μεταβολών. Η διπλωματική ολοκληρώνεται με μια εμπειρική εφαρμογή, στις μετοχές που συνθέτουν τον δείκτη FTSE20 του Χρηματιστηρίου Αξιών Αθηνών. Συγκεκριμένα, ο έλεγχος Kokoszka-Leipus εφαρμόζεται στο τετράγωνο των λογαριθμικών αποδόσεων με τη χρήση μιας διαδοχικής διαδικασίας τμηματοποίησης, προκειμένου να διερευνηθεί η ύπαρξη σημείων διαρθρωτικής μεταβολής που συνδέονται με την τρέχουσα οικονομική-χρηματοπιστωτική κρίση. / The present dissertation deals with the subject of structural breaks in the unconditional variance of stock market data. It contains a presentation of various tests that are used in empirical research for detecting structural change, as well as a brief presentation of the consequences when such changes are ignored. The dissertation is concluded with an empirical application on the individual stocks that compose the FTSE20 Index of the Athens Stock Exchange. More specifically, the Kokoszka-Leipus test is being applied to the squared log returns using a sequential segmentation procedure, in order to detect structural breakpoints which are related to the recent economic/financial crisis.

近年來，金融資產報酬波動的推估一直是重要的研究課題。然而，過去的波動不對稱研究均集中在股票市場，探討外匯市場波動不對稱性的實證研究並不多，但若忽略其不對稱效果將影響未來波動預測的正確性。因此，本研究利用近十六年來美元及日圓兌台幣匯率日資料，以傳統的波動不對稱性指數型GARCH模型(EGARCH Model)、門檻型GARCH模型(TGARCH, GJR GARCH Model)，亦延用異質自我相關迴歸模型(HAR-RV Model)及修正型異質自我相關迴歸模型(Modified HAR-RV Model)分別探討美元及日圓兌台幣匯率波動是否存在不對稱現象及其不對稱程度，並加以分析。實證研究中，上述四種模型均顯示美元及日圓兌台幣匯率波動的確具有不對稱效果；美元兌台幣匯率波動，與股票市場一致，報酬率與波動度間呈負向關係，當台幣相對美元升值時，波動度較高；而日圓兌台幣匯率波動，與美元匯率變動方向相反，報酬率與波動度間呈正向關係，當台幣相對日圓貶值時，波動度較高。此外，以異質自我相關迴歸模型實證分析中，日波動落後項的影響力明顯大於週、月、季波動落後項，與Muller, et al. (1997)、Corsi (2004)及Andersen, et al. (2005)實證研究結果類似。