Dans cette thèse, nous étudions l'estimation de la valeur à risque conditionnelle (VaR) en tenant compte du risque d'estimation et du risque de modèle. Tout d'abord, nous considérons une méthode en deux étapes pour estimer la VaR. La première étape évalue le paramètre de volatilité en utilisant un estimateur quasi maximum de vraisemblance généralisé (gQMLE) fondé sur une densité instrumentale h. La seconde étape estime un quantile des innovations à partir du quantile empirique des résidus obtenus dans la première étape. Nous donnons des conditions sous lesquelles l'estimateur en deux étapes de la VaR est convergent et asymptotiquement normal. Nous comparons également les efficacités des estimateurs obtenus pour divers choix de la densité instrumentale h. Lorsque l'innovation n'est pas de densité h, la première étape donne généralement un estimateur biaisé de paramètre de volatilité et la seconde étape donne aussi un estimateur biaisé du quantile des innovations. Cependant, nous montrons que les deux erreurs se contrebalancent pour donner une estimation consistante de la VaR. Nous nous concentrons ensuite sur l'estimation de la VaR dans le cadre de modèles GARCH en utilisant le gQMLE fondé sur la classe des densités instrumentales double gamma généralisées qui contient la distribution gaussienne. Notre objectif est de comparer la performance du QMLE gaussien par rapport à celle du gQMLE. Le choix de l'estimateur optimal dépend essentiellement du paramètre d qui minimise la variance asymptotique. Nous testons si le paramètre d qui minimise la variance asymptotique est égal à 2. Lorsque le test est appliqué sur des séries réelles de rendements financiers, l'hypothèse stipulant l'optimalité du QMLE gaussien est généralement rejetée. Finalement, nous considérons les méthodes non-paramétriques d'apprentissage automatique pour estimer la VaR. Ces méthodes visent à s'affranchir du risque de modèle car elles ne reposent pas sur une forme spécifique de la volatilité. Nous utilisons la technique des machines à vecteurs de support pour la régression (SVR) basée sur la fonction de perte moindres carrés (en anglais LS). Pour améliorer la solution du modèle LS-SVR nous utilisons les modèles LS-SVR pondérés et LS-SVR de taille fixe. Des illustrations numériques mettent en évidence l'apport des modèles proposés pour estimer la VaR en tenant compte des risques de spécification et d'estimation. / In this thesis, we study the problem of conditional Value at Risk (VaR) estimation taking into account estimation risk and model risk. First, we considered a two-step method for VaR estimation. The first step estimates the volatility parameter using a generalized quasi maximum likelihood estimator (gQMLE) based on an instrumental density h. The second step estimates a quantile of innovations from the empirical quantile of residuals obtained in the first step. We give conditions under which the two-step estimator of the VaR is consistent and asymptotically normal. We also compare the efficiencies of the estimators for various instrumental densities h. When the distribution of is not the density h the first step usually gives a biased estimator of the volatility parameter and the second step gives a biased estimator of the quantile of the innovations. However, we show that both errors counterbalance each other to give a consistent estimate of the VaR. We then focus on the VaR estimation within the framework of GARCH models using the gQMLE based on a class of instrumental densities called double generalized gamma which contains the Gaussian distribution. Our goal is to compare the performance of the Gaussian QMLE against the gQMLE. The choice of the optimal estimator depends on the value of d that minimizes the asymptotic variance. We test if this parameter is equal 2. When the test is applied to real series of financial returns, the hypothesis stating the optimality of Gaussian QMLE is generally rejected. Finally, we consider non-parametric machine learning models for VaR estimation. These methods are designed to eliminate model risk because they are not based on a specific form of volatility. We use the support vector machine model for regression (SVR) based on the least square loss function (LS). In order to improve the solution of LS-SVR model, we used the weighted LS-SVR and the fixed size LS-SVR models. Numerical illustrations highlight the contribution of the proposed models for VaR estimation taking into account the risk of specification and estimation.

En finance, le risque de modèle est le risque de pertes financières résultant de l'utilisation de modèles. Il s'agit d'un risque complexe à appréhender qui recouvre plusieurs situations très différentes, et tout particulièrement le risque d'estimation (on utilise en général dans un modèle un paramètre estimé) et le risque d'erreur de spécification de modèle (qui consiste à utiliser un modèle inadéquat). Cette thèse s'intéresse d'une part à la quantification du risque de modèle dans la construction de courbes de taux ou de crédit et d'autre part à l'étude de la compatibilité des indices de Sobol avec la théorie des ordres stochastiques. Elle est divisée en trois chapitres. Le Chapitre 1 s'intéresse à l'étude du risque de modèle dans la construction de courbes de taux ou de crédit. Nous analysons en particulier l'incertitude associée à la construction de courbes de taux ou de crédit. Dans ce contexte, nous avons obtenus des bornes de non-arbitrage associées à des courbes de taux ou de défaut implicite parfaitement compatibles avec les cotations des produits de référence associés. Dans le Chapitre 2 de la thèse, nous faisons le lien entre l'analyse de sensibilité globale et la théorie des ordres stochastiques. Nous analysons en particulier comment les indices de Sobol se transforment suite à une augmentation de l'incertitude d'un paramètre au sens de l'ordre stochastique dispersif ou excess wealth. Le Chapitre 3 de la thèse s'intéresse à l'indice de contraste quantile. Nous faisons d'une part le lien entre cet indice et la mesure de risque CTE puis nous analysons, d'autre part, dans quelles mesures une augmentation de l'incertitude d'un paramètre au sens de l'ordre stochastique dispersif ou excess wealth entraine une augmentation de l'indice de contraste quantile. Nous proposons enfin une méthode d'estimation de cet indice. Nous montrons, sous des hypothèses adéquates, que l'estimateur que nous proposons est consistant et asymptotiquement normal / In finance, model risk is the risk of loss resulting from using models. It is a complex risk which recover many different situations, and especially estimation risk and risk of model misspecification. This thesis focuses: on model risk inherent in yield and credit curve construction methods and the analysis of the consistency of Sobol indices with respect to stochastic ordering of model parameters. it is divided into three chapters. Chapter 1 focuses on model risk embedded in yield and credit curve construction methods. We analyse in particular the uncertainty associated to the construction of yield curves or credit curves. In this context, we derive arbitrage-free bounds for discount factor and survival probability at the most liquid maturities. In Chapter 2 of this thesis, we quantify the impact of parameter risk through global sensitivity analysis and stochastic orders theory. We analyse in particular how Sobol indices are transformed further to an increase of parameter uncertainty with respect to the dispersive or excess wealth orders. Chapter 3 of the thesis focuses on contrast quantile index. We link this latter with the risk measure CTE and then we analyse on the other side, in which circumstances an increase of a parameter uncertainty in the sense of dispersive or excess wealth orders implies and increase of contrast quantile index. We propose finally an estimation procedure for this index. We prove under some conditions that our estimator is consistent and asymptotically normal

L’objectif central de la thèse est d’étudier diverses mesures du risque de modèle, exprimées en terme monétaire, qui puissent être appliquées de façon cohérente à une collection hétérogène de produits financiers. Les deux premiers chapitres traitent cette problématique, premièrement d’un point de vue théorique, ensuite en menant un étude empirique centrée sur le marché du gaz naturel. Le troisième chapitre se concentre sur une étude théorique du risque dit de base (en anglais basis risk). Dans le premier chapitre, nous nous sommes intéressés à l’évaluation de produits financiers complexes, qui prend en compte le risque de modèle et la disponibilité dans le marché de produits dérivés basiques, appelés aussi vanille. Nous avons en particulier poursuivi l’approche du transport optimal (connue dans la littérature) pour le calcul des bornes de prix et des stratégies de sur (sous)-couverture robustes au risque de modèle. Nous reprenons en particulier une construction de probabilités martingales sous lesquelles le prix d’une option exotique atteint les dites bornes de prix, en se concentrant sur le cas des martingales positives. Nous mettons aussi en évidence des propriétés significatives de symétrie dans l’étude de ce problème. Dans le deuxième chapitre, nous approchons le problème du risque de modèle d’un point de vue empirique, en étudiant la gestion optimale d’une unité de gaz naturel et en quantifiant l’effet de ce risque sur sa valeur optimale. Lors de cette étude, l’évaluation de l’unité de stockage est basée sur le prix spot, alors que sa couverture est réalisée avec des contrats à termes. Comme mentionné auparavant, le troisième chapitre met l’accent sur le risque de base, qui intervient lorsque l’on veut couvrir un actif conditionnel basé sur un actif non traité (par exemple la température) en se servant d’un portefeuille constitué d’actifs traités sur le marché. Un critère de couverture dans ce contexte est celui de la minimisation de la variance qui est étroitement lié à la décomposition dite de Föllmer-Schweizer. Cette décomposition peut être déduite de la résolution d’une certaine équation différentielle stochastique rétrograde (EDSR) dirigée par une martingale éventuellement à sauts. Lorsque cette martingale est un mouvement brownien standard, les EDSR sont fortement associées aux EDP paraboliques semi linéaires. Dans le cas général nous formulons un problème déterministe qui étend les EDPs mentionnées. Nous appliquons cette démarche à l’important cas particulier de la décomposition de Föllmer-Schweizer, dont nous donnons des expressions explicites de la décomposition du payoff d’une option lorsque les sous-jacents sont exponentielles de processus additifs. / The main objective of this thesis is the study of the model risk and its quantification through monetary measures. On the other hand we expect it to fit a large set of complex (exotic) financial products. The first two chapters treat the model risk problem both from the empirical and the theoretical point of view, while the third chapter concentrates on a theoretical study of another financial risk called basis risk. In the first chapter of this thesis, we are interested in the model-independent pricing and hedging of complex financial products, when a set of standard (vanilla) products are available in the market. We follow the optimal transport approach for the computation of the option bounds and the super (sub)-hedging strategies. We characterize the optimal martingale probability measures, under which the exotic option price attains the model-free bounds; we devote special interest to the case when the martingales are positive. We stress in particular on the symmetry relations that arise when studying the option bounds. In the second chapter, we approach the model risk problem from an empirical point of view. We study the optimal management of a natural gas storage and we quantify the impact of that risk on the gas storage value. As already mentioned, the last chapter concentrates on the basis risk, which is the risk that arises when one hedges a contingent claim written on a non-tradable but observable asset (e.g. the temperature) using a portfolio of correlated tradable assets. One hedging criterion is the mean-variance minimization, which is closely related to the celebrated Föllmer-Schweizer decomposition. That decomposition can be deduced from the resolution of a special Backward Stochastic Differential Equations (BSDEs) driven by a càdlàg martingale. When this martingale is a standard Brownian motion, the related BSDEs are strongly related to semi-linear parabolic PDEs. In that chapter, we formulate a deterministic problem generalizing those PDEs to the general context of martingales and we apply this methodology to discuss some properties of the Föllmer-Schweizer decomposition. We also give an explicit expression of such decomposition of the option payoff when the underlying prices are exponential of additives processes.

The diploma thesis deals with the assessment and evaluation of the current state of the information system in the company ABC, s.r.o. Based on the outputs of the analyzes, author of this thesis evaluated the achieved results and then proposed possible solutions which should lead to improved work with the information system and increase the efficiency of its use.

This thesis examines part of financial analysis focused on financial risks arising from the results of the financial analysis. The theoretical part defines the basic concepts of financial analysis, including formulas necessary for the analytical part of the work. Further defines the terms relating to the areas of risk, risk analysis and risk reduction methods. The analytical part is concerned with the present state of the selected company. The final section contains suggestions for improving the financing and stabilization of the company.

No description available.

Allocation to private infrastructure debt investments has increased in the recent years [15]. For managers of multi-asset portfolios, it is important to be able to assess the risk of the total portfolio and the contribution to risk of the various holdings in the portfolio. This includes being able to explain the risk of having private infrastructure debt investments in the portfolio. The modelling of private infrastructure debt face many challenges, such as the lack of private data and public indices for private infrastructure debt. In this thesis, two approaches for modelling private infrastructure debt in a parametric risk factor model are proposed. Both approaches aim to incorporate revenue risk, which is the risk occurring from the type of revenue model in the infrastructure project or company. Revenue risk is categorised into three revenue models; merchant, contracted and regulated, as spread level differences can be distinguished for private infrastructure debt investments using this categorisation. The difference in spread levels between the categories are used to estimate β coefficients for the two modelling approaches. The spread levels are obtained from a data set and from a previous study. In the first modelling approach, the systematic risk factor approach, three systematic risk factors are introduced where each factor represent infrastructure debt investments with a certain revenue model. The risk or the volatility for each of these factors is the volatility of a general infrastructure debt index adjusted with one of the β coefficients. In the second modelling approach, the idiosyncratic risk term approach, three constant risk terms for the revenue models are added in order to capture the revenue risk for private infrastructure debt investments. These constant risk terms are estimated with the β coefficients and the historical volatility of a infrastructure debt index. For each modelling approach, the commonly used risk measures standalone risk and risk contribution are presented for the entire block of the infrastructure debt specific factors and for each of the individual factors within this block. Both modelling approaches should enable for better explanation of risk in private infrastructure debt investments by introducing revenue risk. However, the modelling approaches have not been backtested and therefore no conclusion can be made in regards to whether one of the proposed modelling approaches actually is better than current modelling approaches for private infrastructure debt. / Investeringar i privat infrastrukturskuld har ökat de senaste åren [15]. För βägare av portföljer med investeringar i samtliga tillgångsslag är det viktigt att kunna urskilja risken från de olika innehaven i portföljen. Det finns många utmaningar vad gäller modellering av privat infrastrukturskuld, så som den begränsade mängden privat data och publika index för privat infrastrukturskuld. I denna uppsats föreslås två tillvägagångssätt för att modellera privat infrastrukturskuld i en parametrisk riskfaktormodell. Båda tillvägagångssätten eftersträvar att inkorporera intäktsrisk, vilket är risken som beror på den underliggande intäktsmodellen i ett infrastrukturprojekt eller företag. Intäksrisk delas in i intäksmodellerna "merchant", "contracted" och "regulated", då en skillnad i spreadnivå mellan privata infrastrukturskuldinvesteringar kan urskiljas med denna kategorisering. Skillnaden i spreadnivå mellan de olika kategorierna används för att estimera β -koefficienter som används i båda tillvägagångssätten. Spreadnivåerna erhålls från ett dataset och från en tidigare studie. I det första tillvägagångssättet, den systematiska riskfaktor-ansatsen, introduceras tre systematiska riskfaktorer som representerar infrastrukturskuldinvesteringar med en viss intäktsmodell. Risken eller volatiliten för dessa faktorer är densamma som volatiliteten för ett index för infrastrukturskuld justerat med en av β -koefficienterna. I det andra tillvägagångssättet, den idriosynktratiska riskterm-ansatsen, adderas tre konstanta risktermer för intäktsmodellerna för att fånga upp intäktsrisken i de privata infrastrukturinvesteringarna. De konstanta risktermerna är estimerade med β -koefficienterna och en historisk volatilitet för ett index för infrastrukturskuld. För båda tillvägagångssätten presenteras riskmåtten stand-alone risk1 och risk contribution2. Riskmåtten ges för ett block av samtliga faktorer för infrastrukturskuld och för varje enskild faktor inom detta block. Båda tillvägagångssätten borde möjliggöra bättre förklaring av risken för privata infrastrukturskuldinvesteringar i en större portfölj genom att ta hänsyn till intäktsrisken. De två tillvägagångssätten för modelleringen har dock ej testats. Därför kan ingen slutsats dras med hänsyn till huruvida ett av tillvägagångssätten är bättre än de som används för närvärande för modellering av privat infrastrukturskuld.

Le modèle GARCH à changement de régimes est le fondement de cette thèse. Ce modèle offre de riches dynamiques pour modéliser les données financières en combinant une structure GARCH avec des paramètres qui varient dans le temps. Cette flexibilité donne malheureusement lieu à un problème de path dependence, qui a empêché l'estimation du modèle par le maximum de vraisemblance depuis son introduction, il y a déjà près de 20 ans. La première moitié de cette thèse procure une solution à ce problème en développant deux méthodologies permettant de calculer l'estimateur du maximum de vraisemblance du modèle GARCH à changement de régimes. La première technique d'estimation proposée est basée sur l'algorithme Monte Carlo EM et sur l'échantillonnage préférentiel, tandis que la deuxième consiste en la généralisation des approximations du modèle introduites dans les deux dernières décennies, connues sous le nom de collapsing procedures. Cette généralisation permet d'établir un lien méthodologique entre ces approximations et le filtre particulaire. La découverte de cette relation est importante, car elle permet de justifier la validité de l'approche dite par collapsing pour estimer le modèle GARCH à changement de régimes. La deuxième moitié de cette thèse tire sa motivation de la crise financière de la fin des années 2000 pendant laquelle une mauvaise évaluation des risques au sein de plusieurs compagnies financières a entraîné de nombreux échecs institutionnels. À l'aide d'un large éventail de 78 modèles économétriques, dont plusieurs généralisations du modèle GARCH à changement de régimes, il est démontré que le risque de modèle joue un rôle très important dans l'évaluation et la gestion du risque d'investissement à long terme dans le cadre des fonds distincts. Bien que la littérature financière a dévoué beaucoup de recherche pour faire progresser les modèles économétriques dans le but d'améliorer la tarification et la couverture des produits financiers, les approches permettant de mesurer l'efficacité d'une stratégie de couverture dynamique ont peu évolué. Cette thèse offre une contribution méthodologique dans ce domaine en proposant un cadre statistique, basé sur la régression, permettant de mieux mesurer cette efficacité. / The Markov-switching GARCH model is the foundation of this thesis. This model offers rich dynamics to model financial data by allowing for a GARCH structure with time-varying parameters. This flexibility is unfortunately undermined by a path dependence problem which has prevented maximum likelihood estimation of this model since its introduction, almost 20 years ago. The first half of this thesis provides a solution to this problem by developing two original estimation approaches allowing us to calculate the maximum likelihood estimator of the Markov-switching GARCH model. The first method is based on both the Monte Carlo expectation-maximization algorithm and importance sampling, while the second consists of a generalization of previously proposed approximations of the model, known as collapsing procedures. This generalization establishes a novel relationship in the econometric literature between particle filtering and collapsing procedures. The discovery of this relationship is important because it provides the missing link needed to justify the validity of the collapsing approach for estimating the Markov-switching GARCH model. The second half of this thesis is motivated by the events of the financial crisis of the late 2000s during which numerous institutional failures occurred because risk exposures were inappropriately measured. Using 78 different econometric models, including many generalizations of the Markov-switching GARCH model, it is shown that model risk plays an important role in the measurement and management of long-term investment risk in the context of variable annuities. Although the finance literature has devoted a lot of research into the development of advanced models for improving pricing and hedging performance, the approaches for measuring dynamic hedging effectiveness have evolved little. This thesis offers a methodological contribution in this area by proposing a statistical framework, based on regression analysis, for measuring the effectiveness of dynamic hedges for long-term investment guarantees.

Le modèle GARCH à changement de régimes est le fondement de cette thèse. Ce modèle offre de riches dynamiques pour modéliser les données financières en combinant une structure GARCH avec des paramètres qui varient dans le temps. Cette flexibilité donne malheureusement lieu à un problème de path dependence, qui a empêché l'estimation du modèle par le maximum de vraisemblance depuis son introduction, il y a déjà près de 20 ans. La première moitié de cette thèse procure une solution à ce problème en développant deux méthodologies permettant de calculer l'estimateur du maximum de vraisemblance du modèle GARCH à changement de régimes. La première technique d'estimation proposée est basée sur l'algorithme Monte Carlo EM et sur l'échantillonnage préférentiel, tandis que la deuxième consiste en la généralisation des approximations du modèle introduites dans les deux dernières décennies, connues sous le nom de collapsing procedures. Cette généralisation permet d'établir un lien méthodologique entre ces approximations et le filtre particulaire. La découverte de cette relation est importante, car elle permet de justifier la validité de l'approche dite par collapsing pour estimer le modèle GARCH à changement de régimes. La deuxième moitié de cette thèse tire sa motivation de la crise financière de la fin des années 2000 pendant laquelle une mauvaise évaluation des risques au sein de plusieurs compagnies financières a entraîné de nombreux échecs institutionnels. À l'aide d'un large éventail de 78 modèles économétriques, dont plusieurs généralisations du modèle GARCH à changement de régimes, il est démontré que le risque de modèle joue un rôle très important dans l'évaluation et la gestion du risque d'investissement à long terme dans le cadre des fonds distincts. Bien que la littérature financière a dévoué beaucoup de recherche pour faire progresser les modèles économétriques dans le but d'améliorer la tarification et la couverture des produits financiers, les approches permettant de mesurer l'efficacité d'une stratégie de couverture dynamique ont peu évolué. Cette thèse offre une contribution méthodologique dans ce domaine en proposant un cadre statistique, basé sur la régression, permettant de mieux mesurer cette efficacité. / The Markov-switching GARCH model is the foundation of this thesis. This model offers rich dynamics to model financial data by allowing for a GARCH structure with time-varying parameters. This flexibility is unfortunately undermined by a path dependence problem which has prevented maximum likelihood estimation of this model since its introduction, almost 20 years ago. The first half of this thesis provides a solution to this problem by developing two original estimation approaches allowing us to calculate the maximum likelihood estimator of the Markov-switching GARCH model. The first method is based on both the Monte Carlo expectation-maximization algorithm and importance sampling, while the second consists of a generalization of previously proposed approximations of the model, known as collapsing procedures. This generalization establishes a novel relationship in the econometric literature between particle filtering and collapsing procedures. The discovery of this relationship is important because it provides the missing link needed to justify the validity of the collapsing approach for estimating the Markov-switching GARCH model. The second half of this thesis is motivated by the events of the financial crisis of the late 2000s during which numerous institutional failures occurred because risk exposures were inappropriately measured. Using 78 different econometric models, including many generalizations of the Markov-switching GARCH model, it is shown that model risk plays an important role in the measurement and management of long-term investment risk in the context of variable annuities. Although the finance literature has devoted a lot of research into the development of advanced models for improving pricing and hedging performance, the approaches for measuring dynamic hedging effectiveness have evolved little. This thesis offers a methodological contribution in this area by proposing a statistical framework, based on regression analysis, for measuring the effectiveness of dynamic hedges for long-term investment guarantees.

Topic of the master thesis is practice of interest rate models. Literature dedicated to the interest rate models usually presents theory in very general form. Theory presented in general form leads to a gap between theory and practice. Author tries to fill this gap. Thesis describes basic theory and presents practical computations, which are relevant to generating interest rate scenarios. Contribution is given by derivation of formulas and computational methods in form directly applicable for implementation of presented models. It is common practice to validate quality of interest rate scenarios. Author presents several tests and implements them in programming language Python. Tests are implemented as application with graphical user interface.