商業銀行是以借貸為主的金融機構，銀行獲利的主要來源，是從存款大眾手中取得短期資金，再將資金貸放給政府或企業進行長期投資。銀行「借短貸長」的業務，常使得其資產與負債產生存續期間不一致的問題，當利率非預期變動時，會改變資產與負債的真實價值，進而影響到銀行的淨值及股票報酬率。此外，匯率變動的風險也是銀行常常面臨的問題，尤其是當銀行涉足國際業務時，匯率的變動常常會使銀行所持有的外幣部位價值改變，進而影響到銀行的真實價值。另外一個會影響到銀行資產與負債價值的因素，就是信用風險的問題，總體經濟環境的信用品質變動，常常會影響銀行放款的還款機率，進而改變銀行放款的實質價值。 本文採用過去學者們所研究過的銀行股價三因子模型，即市場因子、債券因子、匯率因子，並加入代表總體信用風險的第四個因子，以及代表抵押品價值變動的第五個因子，成為銀行股價五因子模型。以日本銀行業的股價報酬為研究對象，實證結果顯示:新加入的總體信用風險因子，對於銀行股價報酬率的確產生顯著的負向影響，也就是當借貸市場信用品質愈差（信用風險越高）時，整體銀行股價的報酬率下降。且在四種類型的銀行中，地方銀行所估計出的信用風險顯著的比例最高，代表資產規模較小、放款業務較集中的地方銀行，其信用風險確實較其他類型的銀行為高。另外，在日本泡沫經濟破滅以後的銀行危機時期，以股價多因子模型來衡量的銀行信用風險也有上升的現象。

Introducing more intermittent renewable energy sources in the energy system makes the role of balancing power more important. Furthermore, an increased infeed from intermittent renewable energy sources also has the effect of creating lower and more volatile electricity prices. Hence, investing in balancing power is prone to high risks with respect to expected profits, which is why a good representation of electricity prices is vital in order to motivate future investments. We propose a stochastic multi-factor model to be used for simulating the long-run dynamics of electricity prices as input to investment valuation of power generation assets. In particular, the proposed model is used to assess the impact of electricity price dynamics on investment decisions with respect to balancing power generation, where a combined heat and power plant is studied in detail. Since the main goal of the framework is to create a long-term representation of electricity prices so that the distributional characteristics of electricity prices are maintained, commonly cited as seasonality, mean reversion and spikes, the model is evaluated in terms of yearly duration which describes the distribution of electricity prices over time. The core aspects of the framework are derived from the mean-reverting Pilipovic model of commodity prices, but where we extend the assumptions in a multi-factor framework by adding a functional link to the supply- and demand for power as well as outdoor temperature. On average, using the proposed model as a way to represent future prices yields a maximum 9 percent overand underprediction of duration respectively, a result far better than those obtained by simpler models such as a seasonal profile or mean estimates which do not incorporate the full characteristics of electricity prices. Using the different aspects of the model, we show that variations of electricity prices have a large impact on the investment decision with respect to balancing power. The realized value of the flexibility to produce electricity in a combined heat and power plant is calculated, which yields a valuation close to historical realized values. Compared with simpler models, this is a significant improvement. Finally, we show that by including characteristics such as non-constant volatility and spiky behavior in investment decisions, the expected value of balancing power generators, such as combined heat and power plants, increases. / I takt med att fler intermittenta förnyelsebara energikällor tillför el i dagens energisystem, blir också balanskraftens roll i dessa system allt viktigare. Vidare så har en ökning av andelen intermittenta förnyelsebara energikällor även effekten att de bidrar till lägre men också mer volatila elpriser. Därmed är även investeringar i balanskraft kopplade till stora risker med avseende på förväntade vinster, vilket gör att en god representation av elpriser är central vid investeringsbeslut. Vi föreslår en stokastisk flerfaktormodell för att simulera den långsiktiga dynamiken i elpriser som bas för värdering av generatortillgångar. Mer specifikt används modellen till att utvärdera effekten av elprisers dynamik på investeringsbeslut med avseende på balanskraft, där ett kraftvärmeverk studeras i detalj. Eftersom huvudmålet med ramverket är att skapa en långsiktig representation av elpriser så att deras fördelningsmässiga karakteristika bevaras, vilket i litteraturen citeras som regression mot medelvärde, säsongsvariationer, hög volatilitet och spikar, så utvärderas modellen i termer av årlig prisvaraktighet som beskriver fördelningen av elpriser över tid. Kärnan i ramverket utgår från Pilipovic-modellen av råvarupriser, men där vi utvecklar antaganden i ett flerfaktorramverk genom att lägga till en länkfunktion till tillgång- och efterfrågan på el samt utomhustemperatur. Vid användande av modellen som ett sätt att representera framtida priser, fås en maximal över- och underprediktion av prisvaraktighet om 9 procent, ett resultat som är bättre än det som ges av enklare modellering såsom säsongsprofiler eller enkla medelvärdesestimat som inte tar hänsyn till elprisernas fulla karakteristika. Till sist visar vi med modellens olika komponenter att variationer i elpriser, och därmed antaganden som används i långsiktig modellering, har stor betydelse med avseende på investeringsbeslut i balanskraft. Det realiserade värdet av flexibiliteten att producera el för ett kraftvärmeverk beräknas, vilket ger en värdering nära faktiska realiserade värden baserade på historiska priser och som enklare modeller inte kan konkurrera med. Slutligen visar detta också att inkluderandet av icke-konstant volatilitet och spikkarakteristika i investeringsbeslut ger ett högre förväntat värde av tillgångar som kan producera balanskraft, såsom kraftvärmeverk.

Актуальность исследования обуславливается тем, что банковская сфера в наше время является высоко конкурентной средой и в свете протекающей глобализации и консолидации финансового сектора наблюдается снижение количества частных банков, что вызвано, в свою очередь, процессами слияния, поглощения и неспособностью противостоять крупным агентам рынка, поддерживая необходимые требования, которые выставляются регуляторами. Финансовые институты вынуждены наращивать свой арсенал конкурентных преимуществ, активно использовать нераспределенную прибыль на формирование отличительных конкурентных факторов и заниматься мониторингом существующих предложений на рынке. Как следствие, кредитным организациям необходимо критически подходить к успехам и неудачам иностранных коллег, повышая эффективность банковского бизнеса, формируя собственные уникальные конкурентные преимущества. Целью диссертационной работы является оценка факторов повышения конкурентоспособности международного банка в разрезе сложившегося отечественного финансового сектора. Объектом диссертационного исследования выступает отечественный филиал АО «Райффайзенбанк». Предметом исследования является процесс формирования конкурентных преимуществ АО «Райффайзенбанк», система экономических, организационных и финансовых механизмов повышения эффективности деятельности банка. Результатами выпускной квалификационной работы являются разработка многофакторной модели формирования чистой прибыли, рекомендации по оптимизации существующих процессов и экономическая оценка эффектов от внедрения предлагаемых инструментов. / The relevance of the study stems from the fact that banking is a highly competitive environment and in light of the proceeding of globalization and consolidation of the financial sector, a decrease in the number of private banks, which caused, in turn, processes of mergers, acquisitions, and the failure to counter major market agents, while maintaining the necessary requirements that are set by regulators. Financial institutions are forced to increase their arsenal of competitive advantages, actively use retained earnings to form distinctive competitive factors and monitor existing offers on the market. As a result, credit institutions need to take a critical approach to the successes and failures of foreign colleagues, increasing the efficiency of the banking business, forming their own unique competitive advantages.

Investors constantly seek information that provides an edge over the market. One of the conventional methods is to find factors which can predict asset returns. In this study we improve the Fama and French Five-Factor model with Regime-Switches, student's t distributions and copula dependencies. We also add price momentum as a sixth factor and add a one-day lag to the factors. The Regime-Switches are obtained from a Hidden Markov Model with conditional Student's t distributions. For the return process we use factor data as input, Student's t distributed residuals, and Student's t copula dependencies. To fit the copulas, we develop a novel approach based on the Expectation-Maximisation algorithm. The results are promising as the quantiles for most of the portfolios show a good fit to the theoretical quantiles. Using a sophisticated Stochastic Programming model, we back-test the predictive power over a 26 year period out-of-sample. Furthermore we analyse the performance of different factors during different market regimes.