{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3431059"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3431059","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μέθοδος Backtesting και έλεγχος των συσχετίσεων σε περιόδους χρηματοοικονομικής αστάθειας","abstract":"Η παρούσα διπλωματική εργασία εγκύπτει με εμβρίθεια στην ανάλυση των δεικτών Index 1 (Τεχνολογικού κλάδου) και Index 2 (πέντε κλάδων), υπό το πρίσμα των μεθόδων VaR, επιλέγοντας εν τέλει το καλύτερο μοντέλο για κάθε υπό εξέταση έτος. Ως καλύτερο μοντέλο ορίζεται αυτό που επιτυγχάνει την καλύτερη πρόβλεψη του VaR, ελαχιστοποιώντας τις αποκλίσεις μεταξύ πραγματικών και προβλεπόμενων εκτιμήσεων. Τα correlations και τα volatilities των μετοχών του εκάστοτε δείκτη αυξήθηκαν, όπως αναμενόταν, στις περιόδους κρίσεων 2020 και 2022, με την περίοδο Covid 19 να καταγράφει την μεγαλύτερη αύξηση στα παραπάνω μεγέθη. Γενικότερα, παρατηρήθηκε ότι οι μέθοδοι που έλαβαν υπόψη 63 ημερήσιες τιμές, ανταποκρίθηκαν καλύτερα στις μεταβολές της αγοράς. Αυτό υποδηλώνει ότι οι πιο πρόσφατες πληροφορίες προσφέρουν πιο ακριβή ανάλυση των περιόδων κρίσεων, συγκριτικά με τις μεγαλύτερες χρονικές περιόδους που ενσωματώνουν πιο παρελθοντικές τιμές. Επιπρόσθετα, οι μέθοδοι GARCH παρουσίασαν ακραίες τιμές, ιδίως για τους μήνες χαμηλής μεταβλητότητας, υπερεκτιμώντας έτσι τον κίνδυνο. Ειδικότερα και όσον αφορά τους δύο δείκτες, σύμφωνα με το πλαίσιο της Βασιλείας, το 2019 τα μοντέλα (Historical Simulation, GARCH, Variance-Covariance) αξιολογήθηκαν ως ορθά (πράσινη και κίτρινη ζώνη). Για το 2020, τα μοντέλα Historical Simulation και GARCH υπάγονται στην κίτρινη ζώνη ενώ η Variance-Covariance αξιολογήθηκε ως αναξιόπιστη (κόκκινη ζώνη). Για το 2022 και το 1 day VaR99%, εξήχθη το συμπέρασμα ότι οι Historical Simulation και GARCH είναι ορθές (κίτρινη ζώνη) ενώ για τον υπολογισμό της 1 day VaR95% οι Historical Simulation και Variance-Covariance κρίθηκαν μη αξιόπιστες. Όσον αφορά τον υπολογισμό των 10 day VaR95%, 10 day VaR99% όλα τα μοντέλα εκτιμήθηκαν ως ορθά. Τέλος, σύμφωνα με τον έλεγχο Kupiec, τα μοντέλα είναι ορθά όσον αφορά τα 1 day VaR95% και το 10 day VaR99%. Εν αντιθέσει, για το 1 day VaR99% και 10 day VaR95% οι Variance-Covariance και Historical Simulation για το 2020 καθίστανται αναξιόπιστες.","abstract_html":"Η παρούσα διπλωματική εργασία εγκύπτει με εμβρίθεια στην ανάλυση των δεικτών Index 1 (Τεχνολογικού κλάδου) και Index 2 (πέντε κλάδων), υπό το πρίσμα των μεθόδων VaR, επιλέγοντας εν τέλει το καλύτερο μοντέλο για κάθε υπό εξέταση έτος. Ως καλύτερο μοντέλο ορίζεται αυτό που επιτυγχάνει την καλύτερη πρόβλεψη του VaR, ελαχιστοποιώντας τις αποκλίσεις μεταξύ πραγματικών και προβλεπόμενων εκτιμήσεων. Τα correlations και τα volatilities των μετοχών του εκάστοτε δείκτη αυξήθηκαν, όπως αναμενόταν, στις περιόδους κρίσεων 2020 και 2022, με την περίοδο Covid 19 να καταγράφει την μεγαλύτερη αύξηση στα παραπάνω μεγέθη. Γενικότερα, παρατηρήθηκε ότι οι μέθοδοι που έλαβαν υπόψη 63 ημερήσιες τιμές, ανταποκρίθηκαν καλύτερα στις μεταβολές της αγοράς. Αυτό υποδηλώνει ότι οι πιο πρόσφατες πληροφορίες προσφέρουν πιο ακριβή ανάλυση των περιόδων κρίσεων, συγκριτικά με τις μεγαλύτερες χρονικές περιόδους που ενσωματώνουν πιο παρελθοντικές τιμές. Επιπρόσθετα, οι μέθοδοι GARCH παρουσίασαν ακραίες τιμές, ιδίως για τους μήνες χαμηλής μεταβλητότητας, υπερεκτιμώντας έτσι τον κίνδυνο. Ειδικότερα και όσον αφορά τους δύο δείκτες, σύμφωνα με το πλαίσιο της Βασιλείας, το 2019 τα μοντέλα (Historical Simulation, GARCH, Variance-Covariance) αξιολογήθηκαν ως ορθά (πράσινη και κίτρινη ζώνη). Για το 2020, τα μοντέλα Historical Simulation και GARCH υπάγονται στην κίτρινη ζώνη ενώ η Variance-Covariance αξιολογήθηκε ως αναξιόπιστη (κόκκινη ζώνη). Για το 2022 και το 1 day VaR99%, εξήχθη το συμπέρασμα ότι οι Historical Simulation και GARCH είναι ορθές (κίτρινη ζώνη) ενώ για τον υπολογισμό της 1 day VaR95% οι Historical Simulation και Variance-Covariance κρίθηκαν μη αξιόπιστες. Όσον αφορά τον υπολογισμό των 10 day VaR95%, 10 day VaR99% όλα τα μοντέλα εκτιμήθηκαν ως ορθά. Τέλος, σύμφωνα με τον έλεγχο Kupiec, τα μοντέλα είναι ορθά όσον αφορά τα 1 day VaR95% και το 10 day VaR99%. Εν αντιθέσει, για το 1 day VaR99% και 10 day VaR95% οι Variance-Covariance και Historical Simulation για το 2020 καθίστανται αναξιόπιστες.","abstract_has_math":false,"creators":["Αναγνωσταράς Παναγιώτης","Anagnostaras Panagiotis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:31:10Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["Ελληνικά","Greek","English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3431059"],"render_values":[{"text":"uoadl:3431059","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3431059","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3431059","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3431059","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Αναγνωσταράς Παναγιώτης","Anagnostaras Panagiotis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek","English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3431059","https://pergamos.lib.uoa.gr/uoa/dl/object/3431059"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εγκύπτει με εμβρίθεια στην ανάλυση των δεικτών Index 1 (Τεχνολογικού κλάδου) και Index 2 (πέντε κλάδων), υπό το πρίσμα των μεθόδων VaR, επιλέγοντας εν τέλει το καλύτερο μοντέλο για κάθε υπό εξέταση έτος. Ως καλύτερο μοντέλο ορίζεται αυτό που επιτυγχάνει την καλύτερη πρόβλεψη του VaR, ελαχιστοποιώντας τις αποκλίσεις μεταξύ πραγματικών και προβλεπόμενων εκτιμήσεων. Τα correlations και τα volatilities των μετοχών του εκάστοτε δείκτη αυξήθηκαν, όπως αναμενόταν, στις περιόδους κρίσεων 2020 και 2022, με την περίοδο Covid 19 να καταγράφει την μεγαλύτερη αύξηση στα παραπάνω μεγέθη. Γενικότερα, παρατηρήθηκε ότι οι μέθοδοι που έλαβαν υπόψη 63 ημερήσιες τιμές, ανταποκρίθηκαν καλύτερα στις μεταβολές της αγοράς. Αυτό υποδηλώνει ότι οι πιο πρόσφατες πληροφορίες προσφέρουν πιο ακριβή ανάλυση των περιόδων κρίσεων, συγκριτικά με τις μεγαλύτερες χρονικές περιόδους που ενσωματώνουν πιο παρελθοντικές τιμές. Επιπρόσθετα, οι μέθοδοι GARCH παρουσίασαν ακραίες τιμές, ιδίως για τους μήνες χαμηλής μεταβλητότητας, υπερεκτιμώντας έτσι τον κίνδυνο. Ειδικότερα και όσον αφορά τους δύο δείκτες, σύμφωνα με το πλαίσιο της Βασιλείας, το 2019 τα μοντέλα (Historical Simulation, GARCH, Variance-Covariance) αξιολογήθηκαν ως ορθά (πράσινη και κίτρινη ζώνη). Για το 2020, τα μοντέλα Historical Simulation και GARCH υπάγονται στην κίτρινη ζώνη ενώ η Variance-Covariance αξιολογήθηκε ως αναξιόπιστη (κόκκινη ζώνη). Για το 2022 και το 1 day VaR99%, εξήχθη το συμπέρασμα ότι οι Historical Simulation και GARCH είναι ορθές (κίτρινη ζώνη) ενώ για τον υπολογισμό της 1 day VaR95% οι Historical Simulation και Variance-Covariance κρίθηκαν μη αξιόπιστες. Όσον αφορά τον υπολογισμό των 10 day VaR95%, 10 day VaR99% όλα τα μοντέλα εκτιμήθηκαν ως ορθά. Τέλος, σύμφωνα με τον έλεγχο Kupiec, τα μοντέλα είναι ορθά όσον αφορά τα 1 day VaR95% και το 10 day VaR99%. Εν αντιθέσει, για το 1 day VaR99% και 10 day VaR95% οι Variance-Covariance και Historical Simulation για το 2020 καθίστανται αναξιόπιστες.","This thesis delves deeply into the analysis of Index 1 (Technology sector) and Index 2 (five sectors), through the VaR methods selecting the best model for each year. As best model is defined the one that achieves the most accurate prediction of VaR by minimizing the deviations between actual and predicted estimates. The correlations and volatilities of the stocks of each index increased, as expected, during the crisis periods of 2020 and 2022, with the Covid-19 period recording the largest increase in these metrics. Generally, the methods that take account 63 daily prices responded better to market fluctuations during crisis periods compared to one-year data. This implies that recent information provides a more accurate analysis of crisis periods. Furthermore, during months of low volatility, the GARCH methods exhibited extreme values overestimating the risk. Regarding the two indices and the Basel framework, in 2019, the models (Historical Simulation, GARCH, Variance-Covariance) were estimated as correct (green and yellow zone). In 2020, the Historical Simulation and GARCH models fell into the yellow zone, while the Variance-Covariance was rated as unreliable (red zone). In 2022 and regarding the 1-day VaR99%, we concluded that Historical Simulation and GARCH models are considered as correct (yellow zone), whereas for the calculation of the 1-day VaR95% the Historical Simulation and Variance-Covariance are rated as unreliable. About the 10-day VaR at 95% and 99% confidence level, all models were evaluated as reliable. According to the Kupiec test and with respect to the 1-day VaR95% and 10-day VaR99%, all models are correct. On the contrary, regarding the 1-day VaR99% and 10-day VaR95%, the Variance-Covariance and Historical Simulation methods for 2020 are deemed as unreliable."]},{"key":"dc:title","label":"Title","values":["Μέθοδος Backtesting και έλεγχος των συσχετίσεων σε περιόδους χρηματοοικονομικής αστάθειας"]}]}],"canonical_facts":{"dc:creator":["Αναγνωσταράς Παναγιώτης","Anagnostaras Panagiotis"],"dc:date":["2024"],"dc:description":["Η παρούσα διπλωματική εργασία εγκύπτει με εμβρίθεια στην ανάλυση των δεικτών Index 1 (Τεχνολογικού κλάδου) και Index 2 (πέντε κλάδων), υπό το πρίσμα των μεθόδων VaR, επιλέγοντας εν τέλει το καλύτερο μοντέλο για κάθε υπό εξέταση έτος. Ως καλύτερο μοντέλο ορίζεται αυτό που επιτυγχάνει την καλύτερη πρόβλεψη του VaR, ελαχιστοποιώντας τις αποκλίσεις μεταξύ πραγματικών και προβλεπόμενων εκτιμήσεων. Τα correlations και τα volatilities των μετοχών του εκάστοτε δείκτη αυξήθηκαν, όπως αναμενόταν, στις περιόδους κρίσεων 2020 και 2022, με την περίοδο Covid 19 να καταγράφει την μεγαλύτερη αύξηση στα παραπάνω μεγέθη. Γενικότερα, παρατηρήθηκε ότι οι μέθοδοι που έλαβαν υπόψη 63 ημερήσιες τιμές, ανταποκρίθηκαν καλύτερα στις μεταβολές της αγοράς. Αυτό υποδηλώνει ότι οι πιο πρόσφατες πληροφορίες προσφέρουν πιο ακριβή ανάλυση των περιόδων κρίσεων, συγκριτικά με τις μεγαλύτερες χρονικές περιόδους που ενσωματώνουν πιο παρελθοντικές τιμές. Επιπρόσθετα, οι μέθοδοι GARCH παρουσίασαν ακραίες τιμές, ιδίως για τους μήνες χαμηλής μεταβλητότητας, υπερεκτιμώντας έτσι τον κίνδυνο. Ειδικότερα και όσον αφορά τους δύο δείκτες, σύμφωνα με το πλαίσιο της Βασιλείας, το 2019 τα μοντέλα (Historical Simulation, GARCH, Variance-Covariance) αξιολογήθηκαν ως ορθά (πράσινη και κίτρινη ζώνη). Για το 2020, τα μοντέλα Historical Simulation και GARCH υπάγονται στην κίτρινη ζώνη ενώ η Variance-Covariance αξιολογήθηκε ως αναξιόπιστη (κόκκινη ζώνη). Για το 2022 και το 1 day VaR99%, εξήχθη το συμπέρασμα ότι οι Historical Simulation και GARCH είναι ορθές (κίτρινη ζώνη) ενώ για τον υπολογισμό της 1 day VaR95% οι Historical Simulation και Variance-Covariance κρίθηκαν μη αξιόπιστες. Όσον αφορά τον υπολογισμό των 10 day VaR95%, 10 day VaR99% όλα τα μοντέλα εκτιμήθηκαν ως ορθά. Τέλος, σύμφωνα με τον έλεγχο Kupiec, τα μοντέλα είναι ορθά όσον αφορά τα 1 day VaR95% και το 10 day VaR99%. Εν αντιθέσει, για το 1 day VaR99% και 10 day VaR95% οι Variance-Covariance και Historical Simulation για το 2020 καθίστανται αναξιόπιστες.","This thesis delves deeply into the analysis of Index 1 (Technology sector) and Index 2 (five sectors), through the VaR methods selecting the best model for each year. As best model is defined the one that achieves the most accurate prediction of VaR by minimizing the deviations between actual and predicted estimates. The correlations and volatilities of the stocks of each index increased, as expected, during the crisis periods of 2020 and 2022, with the Covid-19 period recording the largest increase in these metrics. Generally, the methods that take account 63 daily prices responded better to market fluctuations during crisis periods compared to one-year data. This implies that recent information provides a more accurate analysis of crisis periods. Furthermore, during months of low volatility, the GARCH methods exhibited extreme values overestimating the risk. Regarding the two indices and the Basel framework, in 2019, the models (Historical Simulation, GARCH, Variance-Covariance) were estimated as correct (green and yellow zone). In 2020, the Historical Simulation and GARCH models fell into the yellow zone, while the Variance-Covariance was rated as unreliable (red zone). In 2022 and regarding the 1-day VaR99%, we concluded that Historical Simulation and GARCH models are considered as correct (yellow zone), whereas for the calculation of the 1-day VaR95% the Historical Simulation and Variance-Covariance are rated as unreliable. About the 10-day VaR at 95% and 99% confidence level, all models were evaluated as reliable. According to the Kupiec test and with respect to the 1-day VaR95% and 10-day VaR99%, all models are correct. On the contrary, regarding the 1-day VaR99% and 10-day VaR95%, the Variance-Covariance and Historical Simulation methods for 2020 are deemed as unreliable."],"dc:identifier":["uoadl:3431059","https://pergamos.lib.uoa.gr/uoa/dl/object/3431059"],"dc:language":["Ελληνικά","Greek","English"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Μέθοδος Backtesting και έλεγχος των συσχετίσεων σε περιόδους χρηματοοικονομικής αστάθειας"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:31:10Z"}