NONE

Η πολύπλοκη μορφή που απέκτησαν οι χρηματοοικονομικές αγορές κατά τη διάρκεια των δύο τελευταίων δεκαετιών, είχε ως αποτέλεσμα την απώλεια πολύ υψηλών κεφαλαίων από τις επιχειρήσεις και από τις τράπεζες. Η ανάγκη για συστηματική μέτρηση του χρηματοοικονομικού κινδύνου οδήγησε στην επινόηση του μεγέθους της αξίας σε κίνδυνο (Value-at-Risk, VaR). Η μέθοδος αυτή παρέχει στον ενδιαφερόμενο έναν αριθμό που εκφράζει τη μέγιστη αναμενόμενη ζημία μίας επένδυσης για δεδομένη χρονική περίοδο και δεδομένο επίπεδο εμπιστοσύνης. Παρά το γεγονός ότι η VaR έχει κάποιους περιορισμούς που απαιτούν τη χρήση stress test και scenario test, συνολικά, η VaR είναι η καλύτερη ανεξάρτητη τεχνική μέτρησης των κινδύνων που είναι διαθέσιμη. Στόχος της παρούσας διπλωματικής εργασίας είναι η μέτρηση της VaR ενός χαρτοφυλακίου. Επιπλέον, μέσα από αυτήν την εργασία θα γίνει κατανοητό τι είναι η VaR, πώς μπορεί να υπολογιστεί, ποια είναι τα κύρια χαρακτηριστικά της και ποια είναι τα πλεονεκτήματα και τα μειονεκτήματά της. Τέλος, ιδιαίτερη έμφαση δίνεται στην παρουσίαση των μεθόδων υπολογισμού της VaR. / The inextricable form of the financial markets during the last two decades result in the loss of high capital from the businesses and banks. The need of a systemic measurement of the financial risk leads to the invention of the Value-at-Risk method. This method provides the interested person with a number which expresses the potential maximum loss of an investment for a given period of time and a given confidence level. Despite the fact that VaR has some restrictions demanding the use of stress test and scenario test, altogether, VaR is the best independent measuring technique of the risks that it is available. The aim of this dissertation is to measure the VaR of a portfolio. Moreover, it will be registered what VaR is, how it can be measured, which are its main characteristics, its advantages and disadvantages. Lastly, more emphasis is given to the presentation of the measuring methods of VaR.

Magistro darbe nagrinėjamas šiuo metu vienas moderniausių rizikos matų – rizikos vertė (angl.Value-at-risk) Analizuojami trys pagrindiniai VaR rodiklio skaičiavimo metodai: variacijos/kovariacijos, istorinio modeliavimo ir Monte Karlo simuliacijos keliamų prielaidų, sudėtingumo ir adekvatumo požiūriais. Visų trijų metodų pagalba dabartinėmis rinkos sąlygomis atliekami empiriniai tyrimai, siekiant įvertinti rizikos vertes valiutų ir akcijų rinkose, atlikta gautų rizikos verčių palyginamoji analizė bei patikrintas naudotų metodų tikslumas. Autorės suformuluota hipotezė, kad VaR rodiklio skaičiavimo metodai nėra tinkami naudoti pereinamuoju laikotarpiu kuomet ekonominė aplinka ir padėtis nėra stabili iš dalies patvirtinta, nes atliktų tyrimų rezultatai atmetė tik variacijos/kovariacijos bei istorinio modeliavimo metodų tinkamumą. / In this master‘s work analyzed one of the modern risk measurements – Value-at-Risk (VaR). The paper examined three main VaR calculation methods: variance/covariance, historical simulation and Monte Carlo generations satisfying in the terms of the assumptions, adequacy and complexity. For all three methods was carried out empirical studies to assess the risk of currency and stock markets, made comparative analysis of the obtained risk values and verified accuracy of used methods in the current market conditions. The authors formulated the hypothesis that the VaR indicator calculation methods are not suitable for use during the transitional period when the economic environment and situation is not stable partially confirmed because the results of tests performed to reject just the variance / covariance and historical simulation methods.

風險值大多是在假設資產報酬為常態分配下計算而得的，但是這個假設與實際的資產報酬分配不一致，因為很多研究者都發現實際的資產報酬分配都有厚尾的現象，也就是極端事件的發生機率遠比常態假設要來的高，因此利用常態假設來計算風險值對於真實損失的衡量不是很恰當。 針對這個問題，本論文以歷史模擬法、變異數-共變異數法、混合常態模型來模擬報酬率的分配，並依給定的信賴水準估算出風險值，其中混合常態模型的參數是利用準貝式最大概似估計法及EM演算法來估計；然後利用三種風險值的評量方法：回溯測試、前向測試與二項檢定，來評判三種估算風險值方法的優劣。 經由實證結果發現： 1.報酬率分配在左尾臨界機率1％有較明顯厚尾的現象。 2.利用混合常態分配來模擬報酬率分配會比另外兩種方法更能準確的捕捉到左尾臨界機率1％的厚尾。 3.混合常態模型的峰態係數值接近於真實報酬率分配的峰態係數值，因此我們可以確認混合常態模型可以捕捉高峰的現象。 關鍵字：風險值、厚尾、歷史模擬法、變異數-共變異教法、混合常態模型、準貝式最大概似估計法、EM演算法、回溯測試、前向測試、高峰 / Initially, Value at Risk (VaR) is calculated by assuming that the underline asset return is normal distribution, but this assumption sometimes does not consist with the actual distribution of asset return. Many researchers have found that the actual distribution of the underline asset return have Fat-Tail, extreme value events, character. So under normal distribution assumption, the VaR value is improper compared with the actual losses. The paper discuss three methods. Historical Simulated method - Variance-Covariance method and Mixture Normal .simulating those asset, return and VaR by given proper confidence level. About the Mixture Normal Distribution, we use both EM algorithm and Quasi-Bayesian MLE calculating its parameters. Finally, we use tree VaR testing methods, Back test、Forward tes and Binomial test -----comparing its VaR loss probability We find the following results: 1.Under 1% left-tail critical probability, asset return distribution has significant Fat-tail character. 2.Using Mixture Normal distribution we can catch more Fat-tail character precisely than the other two methods. 3.The kurtosis of Mixture Normal is close to the actual kurtosis, this means that the Mixture Normal distribution can catch the Leptokurtosis phenomenon. Key words: Value at Risk、VaR、Fat tail、Historical simulation method、 Variance-Covariance method、Mixture Normal distribution、Quasi-Bayesian MLE、EM algorithm、Back test、 Forward test、 Leptokurtosis