<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.

No description available.

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. 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. 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. 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.

Value-at-Risk (VaR) is among financial institutions a commonly used tool for measuring market risk. Several methods to calculate VaR exists and different implementations often results in different VaR forecasts. An interesting implementation is historical simulation, and the purpose of this thesis is to examine whether historical simulation with dynamic volatility updating is useful as a model to calculate VaR and how this differs in regard to type of asset or instrument. To carry out the investigation six different models are implemented, which then are tested for statistical accuracy through Christoffersens test. We find that incorporation of volatility updating into the historical simulation method in many cases improves the model. The model also generates good results compared to other commonly used models, especially if the volatility is predicted through a GARCH(1,1) updating scheme. / Value-at-Risk (VaR) är ett bland finansiella institutioner vanligt mått för att mäta marknadsrisk. Det finns ett flertal olika sätt att beräkna VaR, vilka ofta ger olika resultat beroende på förutsättningar. Ett av dessa är historisk simulering, och syftet med denna uppsats är att undersöka huruvida historisk simulering med dynamiskt uppdaterande volatilitet är en användbar modell för beräkning av VaR och hur dess lämplighet beror på valt tillgångsslag eller instrument. För att besvara detta implementeras sex olika modeller för beräkning av VaR, vilka sedan testas med hjälp av Christoffersens test. Vi finner att inkorporering av dynamisk volatilitet i historisk simulering i många fall medför en förbättring av modellen ifråga om statistisk riktighet. Vidare kan historisk simulering med dynamiskt uppdaterande volatilitet anses vara konkurrenskraftig i jämförelse med andra vanligt använda modeller, framförallt då volatiliteten skattas genom GARCH(1,1).

<p>Value-at-Risk (VaR) is among financial institutions a commonly used tool for measuring market risk. Several methods to calculate VaR exists and different implementations often results in different VaR forecasts. An interesting implementation is historical simulation, and the purpose of this thesis is to examine whether historical simulation with dynamic volatility updating is useful as a model to calculate VaR and how this differs in regard to type of asset or instrument. To carry out the investigation six different models are implemented, which then are tested for statistical accuracy through Christoffersens test. We find that incorporation of volatility updating into the historical simulation method in many cases improves the model. The model also generates good results compared to other commonly used models, especially if the volatility is predicted through a GARCH(1,1) updating scheme.</p> / <p>Value-at-Risk (VaR) är ett bland finansiella institutioner vanligt mått för att mäta marknadsrisk. Det finns ett flertal olika sätt att beräkna VaR, vilka ofta ger olika resultat beroende på förutsättningar. Ett av dessa är historisk simulering, och syftet med denna uppsats är att undersöka huruvida historisk simulering med dynamiskt uppdaterande volatilitet är en användbar modell för beräkning av VaR och hur dess lämplighet beror på valt tillgångsslag eller instrument. För att besvara detta implementeras sex olika modeller för beräkning av VaR, vilka sedan testas med hjälp av Christoffersens test. Vi finner att inkorporering av dynamisk volatilitet i historisk simulering i många fall medför en förbättring av modellen ifråga om statistisk riktighet. Vidare kan historisk simulering med dynamiskt uppdaterande volatilitet anses vara konkurrenskraftig i jämförelse med andra vanligt använda modeller, framförallt då volatiliteten skattas genom GARCH(1,1).</p>

The importance of sound financial risk management has become increasingly emphasised in recent years, especially with the financial crisis of 2007-08. The Basel Committee sets the international standards and regulations for banks and financial institutions, and in particular under market risk, they prescribe the internal application of the measure Value-at-Risk. However, the most established non-parametric Value-at-Risk model, historical simulation, has been criticised for some of its unrealistic assumptions. This thesis investigates alternative approaches for estimating non-parametric Value-at-Risk, by examining and comparing the capability of three counterbalancing weighting methodologies for historical simulation: an exponentially decreasing time weighting approach, a volatility updating method and, lastly, a more general weighting approach that enables the specification of central moments of a return distribution. With real financial data, the models are evaluated from a performance based perspective, in terms of accuracy and capital efficiency, but also in terms of their regulatory suitability, with a particular focus on the Swedish market. The empirical study shows that the capability of historical simulation is improved significantly, from both performance perspectives, by the implementation of a weighting methodology. Furthermore, the results predominantly indicate that the volatility updating model with a 500-day historical observation window is the most adequate weighting methodology, in all incorporated aspects. The findings of this paper offer significant input both to existing research on Value-at-Risk as well as to the quality of the internal market risk management of banks and financial institutions. / Betydelsen av sund finansiell riskhantering har blivit alltmer betonad på senare år, i synnerhet i och med finanskrisen 2007-08. Baselkommittén fastställer internationella normer och regler för banker och finansiella institutioner, och särskilt under marknadsrisk föreskriver de intern tillämpning av måttet Value-at-Risk. Däremot har den mest etablerade icke-parametriska Value-at-Risk-modellen, historisk simulering, kritiserats för några av dess orealistiska antaganden. Denna avhandling undersöker alternativa metoder för att beräkna icke-parametrisk Value-at‑Risk, genom att granska och jämföra prestationsförmågan hos tre motverkande viktningsmetoder för historisk simulering: en exponentiellt avtagande tidsviktningsteknik, en volatilitetsuppdateringsmetod, och slutligen ett mer generellt tillvägagångssätt för viktning som möjliggör specifikation av en avkastningsfördelnings centralmoment. Modellerna utvärderas med verklig finansiell data ur ett prestationsbaserat perspektiv, utifrån precision och kapitaleffektivitet, men också med avseende på deras lämplighet i förhållande till existerande regelverk, med särskilt fokus på den svenska marknaden. Den empiriska studien visar att prestandan hos historisk simulering förbättras avsevärt, från båda prestationsperspektiven, genom införandet av en viktningsmetod. Dessutom pekar resultaten i huvudsak på att volatilitetsuppdateringsmodellen med ett 500 dagars observationsfönster är den mest användbara viktningsmetoden i alla berörda aspekter. Slutsatserna i denna uppsats bidrar i väsentlig grad både till befintlig forskning om Value-at-Risk, liksom till kvaliteten på bankers och finansiella institutioners interna hantering av marknadsrisk.

Mean variance optimization has shortcomings making the strategy far from optimal from an investor’s perspective. The purpose of the study is to conduct an empirical investigation as to how modern methods of portfolio optimization address the shortcomings associated with mean variance optimization. Equal risk contribution, the Most diversified portfolioand a modification of the Minimum variance portfolio are considered as alternatives to the mean variance model. Portfolio optimization models introduced are explained in detail and solved using the optimization algorithms Cyclical coordinate descent and Alternating direction method of multipliers. Through implementation and backtesting using a diverse set of indices representing various asset classes, the study shows that the mean variance model suffers from high turnover and sensitivity to input parameters in comparison to the modern alternatives. The sophisticated asset allocation models equal risk contribution and the most diversified portfolio do not rely on expected return as an input parameter, which is seen as an advantage, and are not affected to the same extent by the shortcomings associated with mean variance optimization. The paper concludes by discussing the findings critically and suggesting ideas for further research. / Maximering av avkastning i samband med minimering av varians, på engelska kallat Mean variance optimization, är inte optimalt ur en investerares synpunkt. Syftet med denna uppsats är att genomföra en empirisk studie av hur moderna metoder för portföljallokering adresserar de problem som är förknippade med Mean variance optimization. Mer specifikt undersöks allokeringsstrategierna Equal risk contribution, Most diversified portfolio samt en variant av Minimum variance som ersättare till Mean variance optimization. Allokeringsmetoderna beskrivs detaljerat och löses med optimeringsalgoritmerna Cyclical coordinate descent och Alternating direction method of multipliers. Genom implementering och historisk simulering med ett antal index som representerar olika tillgångsslag visar studien att Mean variance optimization innebär hög portföljomsättning och har en större känslighet för ingångsparametrar i jämförelse med de moderna alternativen. De sofistikerade allokeringsmodellerna Equal risk contribution och Most diversified portfolio bygger inte på ingångsparametern förväntad avkastning, vilket ses som en fördel, och drabbas inte i samma utsträckning av problemen associerade med Mean variance optimization. Studien avslutas med att diskutera resultatet kritiskt och ge förslag på vidare studier som bygger på den teori och det resultat som har presenterats.