Spelling suggestions: "subject:"riskmodellering"" "subject:"klickmodellering""
1 |
Chlorine Cycling in Terrestrial Environments / Klorets kretslopp i terrestra miljöerMontelius, Malin January 2016 (has links)
Chlorinated organic compounds (Clorg) are produced naturally in soil. Formation and degradation of Clorg affect the chlorine (Cl) cycling in terrestrial environments and chlorine can be retained or released from soil. Cl is known to have the same behaviour as radioactive chlorine-36 (36Cl), a long-lived radioisotope with a half-life of 300,000 years. 36Cl attracts interest because of its presence in radioactive waste, making 36Cl a potential risk for humans and animals due to possible biological uptake. This thesis studies the distribution and cycling of chloride (Cl–) and Clorg in terrestrial environments by using laboratory controlled soil incubation studies and a forest field study. The results show higher amounts of Cl– and Clorg and higher chlorination rates in coniferous forest soils than in pasture and agricultural soils. Tree species is the most important factor regulating Cl– and Clorg levels, whereas geographical location, atmospheric deposition, and soil type are less important. The root zone was the most active site of the chlorination process. Moreover, this thesis confirms that bulk Clorg dechlorination rates are similar to, or higher than, chlorination rates and that there are at least two major Clorg pools, one being dechlorinated quickly and one remarkably slower. While chlorination rates were negatively influenced by nitrogen additions, dechlorination rates, seem unaffected by nitrogen. The results implicate that Cl cycling is highly active in soils and Cl– and Clorg levels result from a dynamic equilibrium between chlorination and dechlorination. Influence of tree species and the rapid and slow cycling of some Cl pools, are critical to consider in studies of Cl in terrestrial environments. This information can be used to better understand Cl in risk-assessment modelling including inorganic and organic 36Cl. / Klorerade organiska föreningar (Clorg) bildas naturligt i mark och påverkar klorets kretslopp genom att de stannar kvar längre i marken. Detta stabila klor anses ha samma egenskaper som klor-36, som är en långlivad radioisotop med en halveringstid på 300 000 år. Klor-36 förekommer i olika typer av radioaktivt avfall och om klor-36 sprids i naturen finns det en potentiell risk för människor och djur genom biologiskt upptag. Syftet i denna avhandling är att öka kunskapen om fördelningen och cirkulationen av klorid (Cl-) och Clorg i terrestra miljöer med hjälp av studier i laboratoriemiljö samt en fältstudie i skogsmiljö. Resultaten visar att bildningshastigheten av Clorg är högst i barrskogsjord och rotzonen tycks vara en aktiv plats. Det finns också en större mängd Cl- och Clorg i barrskogsjordar än i betesmark och jordbruksmark. Den mest betydande faktorn som styr halterna av Cl- och Clorg är trädsort, medan geografiskt läge, atmosfäriskt nedfall, och jordmån är av mindre betydelse. Bildning och nedbrytning av Clorg sker med liknande hastigheter, men det tycks finnas två förråd av Clorg i jorden varav ett bryts ner snabbt och ett mer långsamt. Bildningshastigheten av Clorg är lägre i jordar med höga halter av kväve medan nedbrytningshastigheterna inte påverkas av kväve. Slutsatsen från studiernas resultat är att klor i hög grad är aktivt i mark och att Cl- och Clorg halterna bestäms av en dynamisk jämvikt mellan bildning och nedbrytning av Clorg. I studier av klor i terrestra miljöer bör trädsorters inverkan och nedbrytning av olika klorförråd beaktas då det kan ge varierande uppehållstider av Cl- och Clorg i mark. Denna information är viktig vid riskbedömningar av hur radioaktivt klor kan spridas och cirkulera vid en eventuell kärnkraftsolycka.
|
2 |
Modelling Risk in Real-Life Multi-Asset Portfolios / Riskmodellering av verkliga portföljer med varierande tillgångsklasserHahn, Karin, Backlund, Axel January 2023 (has links)
We develop a risk factor model based on data from a large number of portfolios spanning multiple asset classes. The risk factors are selected based on economic theory through an analysis of the asset holdings, as well as statistical tests. As many assets have limited historical data available, we implement and analyse the impact of regularisation to handle sparsity. Based on the factor model, two parametric methods for calculating Value-at-Risk (VaR) for a portfolio are developed: one with constant volatility and one with a CCC-GARCH volatility updating scheme. These methods are evaluated through backtesting on daily and weekly returns of a selected set of portfolios whose contents reflect the larger majority well. A historical data approach for calculating VaR serves as a benchmark model. We find that under daily returns, the historical data method outperforms the factor models in terms of VaR violation rates. None yield independent violations however. Under weekly returns, both factor models produce more accurate violation rates than the historical data model, with the CCC-GARCH model also yielding independent VaR violations for almost all portfolios due to its ability to adjust up VaR estimates in periods of increased market volatility. We conclude that if weekly VaR estimates are acceptable, tailored risk factor models provide accurate measures of portfolio risk. / Vi bygger en riskfaktormodell givet en stor mängd portföljer innehållande flera olika typer av tillgångar. Riskfaktorerna väljs ut baserat på ekonomisk teori genom en analys av portföljernas innehåll samt genom statistiska test. Eftersom många tillgångar har en liten mängd historisk data tillgänglig implementerar vi och analyserar effekterna av regularisering i faktorregressionen. Två parametriska metoder för att beräkna Value-at-Risk (VaR) utvecklas baserat på faktormodellen: en med konstant volatilitet och en med volatilitetsuppdatering genom CCC-GARCH. Metoderna utvärderas med bakåttestning på daglig och veckovis avkastning från utvalda portföljer vars innehåll reflekterar den större majoriteten. En historisk data-baserad metod för att beräkna VaR används som referensmodell. Under daglig avkastning överträffar historisk data-modellen faktormodellerna med avseende på frekvensen av VaR-överträdelser. Ingen modell resulterar dock i oberoende överträdelser. Under veckovis avkastning å andra sidan ger båda faktormodellerna mer exakta överträdelsefrekvenser än historisk data-modellen, där faktormodellen med CCC-GARCH också ger oberoende överträdelser för nästan alla portföljer, tack vare modellens förmåga att justera upp VaR-estimaten i perioder av högre volatilitet på marknaden. Sammanfattningsvis ger skräddarsydda riskfaktormodeller goda riskestimat, givet att det är acceptabelt med veckovisa beräkningar av VaR.
|
3 |
Modelling Credit Spread Risk in the Banking Book (CSRBB) / Modellering av kreditspreadrisken i bankboken (CSRBB)Pahne, Elsa, Åkerlund, Louise January 2023 (has links)
Risk measurement tools and strategies have until recently been calibrated for a low-for-long interest rate environment. However, in the current higher interest rate environment, banking supervisory entities have intensified their regulatory pressure on institutions to enhance their assessment and monitoring of interest rate risk and credit spread risk. The European Banking Authority (EBA) has released updated guidelines on the assessment and monitoring of Credit Spread Risk in the Banking Book (CSRBB), which will replace the current guidelines by 31st December 2023. The new guidelines identify the CSRBB as a separate risk category apart from Interest Rate Risk in the Banking Book (IRRBB), and specifies the inclusion of liabilities in therisk calculations. This paper proposes a CSRBB model that conforms to the updated EBA guidelines. The model uses a historical simulation Value at Risk (HSVaR) and Expected Shortfall (ES) approach, and includes a 90-day holding period, as suggested by Finansinspektionen (FI). To assess the effectiveness of the model, it is compared with a standardised model of FI, and subjected to backtesting. Additionally, the paper suggests modifications to the model to obtain more conservative results. / Riskmätningsverktyg och strategier har sedan nyligen anpassats till en lågräntemiljö. Dock till följd av den nuvarande högre räntemiljön har tillsynsmyndigheter för bankväsendet satt ökat tryck på institutioners utvärdering och rapportering av ränterisk och kreditspreadrisk. Den Europeiska Bankmyndigheten (EBA) har publicerat uppdaterade riktlinjer för bedömning och rapportering av kreditspreadsrisken i bankboken (CSRBB), som ersätter de nuvarande riktlinjerna den 31 december 2023. De nya riktlinjerna identifierar CSRBB som en separat riskkategori från ränterisk i bankboken (IRRBB) och specificerar inkluderingen av skulder i riskberäkningarna. Denna uppsats föreslår en CSRBB-modell som följer EBAs uppdaterade riktlinjer. Modellen använder en Value at Risk (VaR) metodik baserat på historiska simulationer och Expected Shortfall (ES), samt antar en 90-dagars innehavsperiod som föreslås av Finansinspektionen (FI). Modellens effektivitet utvärderas genom en jämförelse med FIs standardmodell för kreditspreadrisken i bankboken, samt genom backtesting. Slutligen diskuteras möjliga justeringar av modellen för att uppnå mer konservativa resultat.
|
4 |
Risk Modeling of Sustainable Mutual Funds Using GARCH Time Series / Riskmodellering av hållbara fonder med GARCH-tidsserierMalmgren, Erik, Zhang, Annie January 2020 (has links)
The demand for sustainable investments has seen an increase in recent years. There is considerable literature covering backtesting of the performance and risk of socially responsible investments (SRI) compared to conventional investments. However, literature that models and examines the risk characteristics of SRI compared to conventional investments is limited. This thesis seeks to model and compare the risk of mutual funds scoring in the top 10% in terms of sustainability, based on Morningstar Portfolio Sustainability Score, to those scoring in the bottom 10%. We create one portfolio consisting of the top 10% funds and one portfolio consisting of the bottom 10%, for European and global mutual funds separately, thus in total creating 4 portfolios. The analysis is based on data of the funds' returns and Morningstar Portfolio Sustainability Scores during December 2015 to August 2019. Investigating several GARCH models, we find an ARMA-GARCH model with skewed Student's t-distribution as innovation distribution to give the best fit to the daily log-returns of each portfolio. Based on the fitted ARMA-GARCH models with skewed Student's t-distribution, we use a parametric bootstrap method to compute 95% confidence intervals for the difference in long-run volatility and value at risk (VaR) between the portfolios with high and low Morningstar Portfolio Sustainability Scores. This is performed on the portfolios of European and global funds separately. We conclude that, for global and European funds respectively, no significant difference in terms of long-run volatility and VaR is found between the funds in each of the 10% ends of the Morningstar Portfolio Sustainability Score. / Efterfrågan av hållbara investeringar har ökat kraftigt de senaste åren. Det finns många studier som genomför backtesting av hållbara investeringars avkastning och risk jämfört med konventionella investeringar. Färre studier har däremot gjorts för att modellera och jämföra investeringarnas riskegenskaper. Denna uppsats syftar till att modellera risken av hållbara investeringar genom att jämföra de 10% fonder med högst Morningstar Portfolio Sustainability Score mot de 10% fonder med lägst score. Jämförelsen görs separat för globala fonder och europeiska fonder, vilket resulterar i totalt 4 portföljer. Analysen baseras på data på fondernas avkasting och Morningstar Portfolio Sustainability Score under tidsperioden december 2015 till augusti 2019. Genom att undersöka flera olika GARCH-modeller, kommer vi fram till att en ARMA-GARCH-modell med skev t-fördelning bäst beskriver den dagliga logaritmerade avkastningen för varje portfölj. Baserat på de anpassade ARMA-GARCH-modellerna, används en "parametric bootstrap"-metod för att beräkna 95%-iga konfidensintervall för skillnaden i långsiktig volatilitet och value at risk (VaR) mellan portföljerna med högt och lågt Morningstar Portfolio Sustainability Score. Detta görs separat för de europeiska och globala fonderna. Vår slutsats är att det, för globala och europeiska fonder, inte råder en signifikant skillnad i långsiktig volatilitet eller VaR mellan fonder med högt och lågt Morningstar Portfolio Sustainability Score.
|
Page generated in 0.0905 seconds