隨著金融環境的國際化與自由化，資本移動迅速，衍生性金融商品的發展，雖然使得金融市場更加活絡，相對劇烈的變化也增加了許多風險。尤其全世界金融風暴與金融事件頻傳，對於風險的管理與控制已經變得相當重要。 風險管理的工具眾多，本論文主要對Value-at-Risk這個最受歡迎的風險管理工具進行研究，VaR是指「在未來一定期間之內，我可在多少百分比的信賴區間內確定公司投資部位的最大損失額不會超過多少。」 本文首先討論VaR的模型，從參數化的均等加權移動平均、指數加權移動平均、Delta-Gamma法，到無母數的歷史模擬法、蒙地卡羅模擬法、壓力測試法。 接著利用程式設計，對券商自營部門和權證/避險部門，每月實際發生的投資組合做VaR計算。除了計算不同部門、不同投資組合、使用不同VaR模型的風險值，也從實際的風險值裡，討論券商在權證/避險的過程，對風險控管的運用。 最後利用BIS、IOSCO的報告和建議，對券商和主管機關做了幾點建議。

共同基金績效評量以夏普比率(Sharpe Ratio)最常被使用，但是由於夏普比率建構於常態分配的假設上，當基金報酬率不為常態時就可能產生偏誤。本文針對國內共同基金進行常態性檢定，發現基金報酬率分配呈現左偏、高狹峰的特質，並非常態分配，因此本文擷取風險值(VaR)衡量下方風險、又不需假設報酬率為常態分配的特長，將風險值應用在共同基金績效衡量上，以改善夏普比率在報酬率非常態分配下的偏誤，作為基金績效評估時輔助參考之用，並以國內共同資料進行實證研究，結論歸納如下： 共同基金績效排名衡量上，以風險值取代夏普比率標準差的指標所得到的排名會與夏普比率所得到的排名的確有所差異。一般類股票型基金方面，以風險值取代夏普比率標準差的指標排名相對夏普比率提升的基金都具有風險值較小的特點；另一方面，上櫃股票型基金及科技類股票型基金排名因報酬率差異較大，所以出現報酬率主導排名順序，改變風險衡量方式影響排名不大的現象。 本文比較以風險值取代夏普比率標準差的指標及以標竿報酬率代替無風險利率的指標、以風險值取代夏普比率標準差的指標及報酬風險值均考慮市場影響的指標，瞭解所處市場走勢對基金績效的影響，實證結果發現上櫃型基金排名均往前攀升；科技類股票型基金在考慮市場因素後所獲得的排名評價有後退之現象產生。 在指標預測性方面，夏普比率和以風險值取代夏普比率標準差的指標在統計上不具顯著性；以標竿報酬率代替無風險利率的指標和報酬風險值均考慮市場影響的指標則在統計上具顯著性，具有預測參考價值。

本研究首次提出以未來臨界報酬率為輸出變數，利用兩種類神經網路(Artificial Neural Network)估算國內電子股代表樣本報酬率的風險值(Value at Risk , VaR)。在研究設計上考慮到使用不同期長來計算自變項所帶來的影響而產生兩種預測方法。本研究並以回顧檢定(Backtesting )檢討藉由臨界值報酬率作為類神經估計法與一般以變異數/共變數法或蒙地卡羅模擬法所估算出VaR的差異。 綜合本研究，在學術及實務上的貢獻有下列四點： 1. 設計臨界報酬率作為估算VaR的方式，可以避免以往計算VaR時，報酬率分配主觀給定的問題。 2. 相關研究過去並未同時涉及類神經網路與VaR，而本研究首次應用類神經網路估算VaR。 3. 本文亦提出以多種不同的基本變數衡量期長來估算VaR，或可幫助界定差異的研究設計。 4. 本研究使用類神經網路可能的一項限制是報酬率臨界值 的設計方式；而類神經網路可能勝出其它預測工具的理由可能是 (1)學習到隱性因子的特性 (2)預測方式為非線性 (3)毋須依賴常態或特定分配之假設。以往類神經網路研究在賽馬決定各工具優劣時，較少探究類神經勝出或落敗的理由，而這卻是本研究設計的焦點。

<p>Aktiviteterna på en treasuryavdelning har under de senaste åren förändrats. Från att bara kontrollera de dagliga kassaflödena för ett företag, till idag då även handel med värdepapper, spekulation, har blivit en daglig aktivitet. Detta har lett till ett ökat behov av kontroll då spekulation leder till ett ökat risktagande. Denna uppsats studerar tre faktorer som är av betydelse för kontrollen på en treasuryavdelning. Dessa faktorer är; kontroll och styrning, riskhantering och det finansiella riskmåttet Value-at-Risk. Treasuryavdelningens huvudsakliga uppgift är att kontrollera och hantera risker, d v s riskhantering. Ett vanligt mått för att mäta och kontrollera finansiell risk är Value-at-Risk som mäter den största möjliga förlusten under vissa givna förutsättningar.</p><p>En treasuryavdelning kan bland annat utvärderas som kostnadsenhet eller som resultatenhet. Om en treasuryavdelning utvärderas som kostnadsenhet ökar fokus på riskhanteringen. Samtidigt går de möjligheter till att göra vinst, genom spekulation, förlorade. Utvärderas de däremot som resultatenheter skapas dessa möjligheter. I denna studie har det konstaterats att en treasuryavdelning ska utvärderas som en resultatenhet för att skapa vinst för företaget. Detta bör ske genom att sätta tydliga resultatmål för verksamheten. Samtidigt ökar behovet av en effektiv kontroll där det är viktigt att de tre ovannämnda faktorerna samspelar. Vidare är det viktigt att de anställda på avdelningarna är medvetna om vad som ska presteras och att riskhanteringen används på ett effektivt sätt. Användningen av riskmått blir också avgörande och att de riskmått som används är lämpliga för den typ av aktivitet som utförs. I denna studie har det fastslagits att Value-at-Risk är ett effektivt mått för att mäta risk på en treasuryavdelning. Dock skulle användningen av måttet kunna förbättras.</p>

<p>We model Normal Inverse Gaussian distributed log-returns with the assumption of stochastic volatility. We consider different methods of parametrization of returns and following the paper of Lindberg, [21] we</p><p>assume that the volatility is a linear function of the number of trades. In addition to the Lindberg’s paper, we suggest daily stock volumes and amounts as alternative measures of the volatility.</p><p>As an application of the models, we perform Value-at-Risk and Expected Tail Loss predictions by the Lindberg’s volatility model and by our own suggested model. These applications are new and not described in the</p><p>literature. For better understanding of our caluclations, programmes and simulations, basic informations and properties about the Normal Inverse Gaussian and Inverse Gaussian distributions are provided. Practical applications of the models are implemented on the Nasdaq-OMX, where we have calculated Value-at-Risk and Expected Tail Loss</p><p>for the Ericsson B stock data during the period 1999 to 2004.</p>

<p>Riskvärdering har under 90-talet blivit ett allt mer medvetet begrepp. Ett populärt instrument vid riskvärdering är Value at Risk då denna modell skapar ett gemensamt riskmått för olika typer av portföljer och derivat. VaR mäter den maximala värdeförändringen för en portfölj där sannolikheten och tidshorisonten är förutbestämd. I uppsatsen har en konfidensnivå på 95 procent antagits vilket medför att de verkliga förlusterna ska överstiga VaR en gång av tjugo.</p><p>Icke-linjära instrument, såsom optioner, är svåra att riskvärdera då dess pris förändras oproportionerligt gentemot dess underliggande. För att beräkna VaR kan flertalet modeller appliceras och dessa har olika egenskaper.</p><p>Det är därför av intresse att ta reda på om Delta-Normal metoden, Monte Carlo simulering och Historisk simulering ger samma svar vid riskvärdering av optioner. Vidare syftar denna uppsats till att söka svar på om dessa tre VaR-modeller ger ett tillfredsställande resultat på 95 procentig konfidensnivå. För att få svar på dessa funderingar har vi i empiriavsnittet genomfört två hypotesprövningar.</p><p>Den första slutsatsen som kan dras av undersökningen är att det inte går att skilja på det VaR som Delta-Normal metoden och Historisk simulering tagit fram. Vid ett hypotestest för proportioner blev resultatet att endast för Monte Carlo simuleringen kunde inte nollhypotesen förkastas. Detta innebär att det finns stöd för att de verkliga förlusterna överstiger Monte Carlo simuleringens beräknade VaR en gång av tjugo.</p>

No description available.

This thesis contributes to the econometric literature in two ways. Firstly, it introduces a new multivariate count model that presents advances in several aspects. Our multivariate time series count model can deal with issues of discreteness, overdispersion (variance greater than the mean) and both cross- and serial correlation, all at the same time. We follow a fully parametric approach and specify a marginal distribution for the counts where, conditionally on past observations the means follow a vector autoregressive process (VAR). This enables to attain improved inference on coefficients of exogenous regressors relative to the static Poisson regression, while modelling the serial correlation in a flexible way. The method is also innovative in the use of copulas, which builds the dependence structure between variables with given marginal distributions. This makes it possible to model the contemporaneous correlation between individual series in a very flexible way. Secondly, this thesis introduces a new approach to estimate the multivariate reduced rank regressions when the normality assumption is not satisfied. We propose to use the copula tool to generate multivariate distributions and, we show that this method can be applied in multivariate settings. In terms of financial literature, this thesis provides two contributions. Firstly, with our multivariate count model we analyze diverse market microstructure issues about the submission of different types of orders by traders on stock markets. With this model, we can fully take into account the interactions between submissions of the various types of orders, which represent an advantage with respect to univariate models such as the autoregressive conditional duration model. Secondly, it contributes to portfolio research proposing a new dynamic optimal portfolio allocation model in a Value-at-Risk setup. This model allows for time varying skewness and kurtosis of portfolio distributions and the model parameters are estimated by weighted maximum likelihood in an increasing window setup. This last property allows us to have more accurate portfolio recommendations in terms of the amount to invest in the risk-free interest rate and in the risky portfolio.

Aktiviteterna på en treasuryavdelning har under de senaste åren förändrats. Från att bara kontrollera de dagliga kassaflödena för ett företag, till idag då även handel med värdepapper, spekulation, har blivit en daglig aktivitet. Detta har lett till ett ökat behov av kontroll då spekulation leder till ett ökat risktagande. Denna uppsats studerar tre faktorer som är av betydelse för kontrollen på en treasuryavdelning. Dessa faktorer är; kontroll och styrning, riskhantering och det finansiella riskmåttet Value-at-Risk. Treasuryavdelningens huvudsakliga uppgift är att kontrollera och hantera risker, d v s riskhantering. Ett vanligt mått för att mäta och kontrollera finansiell risk är Value-at-Risk som mäter den största möjliga förlusten under vissa givna förutsättningar. En treasuryavdelning kan bland annat utvärderas som kostnadsenhet eller som resultatenhet. Om en treasuryavdelning utvärderas som kostnadsenhet ökar fokus på riskhanteringen. Samtidigt går de möjligheter till att göra vinst, genom spekulation, förlorade. Utvärderas de däremot som resultatenheter skapas dessa möjligheter. I denna studie har det konstaterats att en treasuryavdelning ska utvärderas som en resultatenhet för att skapa vinst för företaget. Detta bör ske genom att sätta tydliga resultatmål för verksamheten. Samtidigt ökar behovet av en effektiv kontroll där det är viktigt att de tre ovannämnda faktorerna samspelar. Vidare är det viktigt att de anställda på avdelningarna är medvetna om vad som ska presteras och att riskhanteringen används på ett effektivt sätt. Användningen av riskmått blir också avgörande och att de riskmått som används är lämpliga för den typ av aktivitet som utförs. I denna studie har det fastslagits att Value-at-Risk är ett effektivt mått för att mäta risk på en treasuryavdelning. Dock skulle användningen av måttet kunna förbättras.

No description available.