Predikering av morgendagens Value-at-Risk ved å inkludere markedsfaktorer
Abstract
Målet med denne masteravhandlingen er å fastslå om markedsfaktorer, sammen med historisk volatilitet, kan bidra til en mer presis prediksjon av morgendagens Value-at-Risk. Det finnes flere modeller og ulike metoder som predikerer fremtidig Value-at-Risk, men forskning viser at prediksjonsevnen varierer på tvers av modell og marked. For finansielle aktiva endres egenskapene over tid og det er viktig å benytte modeller som presterer godt uavhengig av endringer i egenskapene.
Kvantilregresjonsmodeller er ikke avhengig av en bestemt avkastningsfordeling og har vist fremragende prediksjonsevne for Value-at-Risk i ulike markeder. Vi foreslår derfor en kvantilregresjonsmodell, Market Factor Quantile Regression, som inkluderer markedsfaktorer for å predikere Value-at-Risk. Videre sammenlignes modellen med benchmarkmodellene GARCH(1,1), RiskMetrics og Historisk Simulering, samt en kvantilregresjonsmodell, HeterogeneousAutoregressive-Quantile Regression. For å fastslå hvilken modell som gir mest presise prediksjoner, gjennomføres backtesting med Kupiecs ubetingede og Christoffersens betingede dekningstest. I tillegg gjennomføres en scenarioanalyse for å illustrere hvordan markedsfaktorene påvirker Value-at-Risk.
Resultatene viser at kvantilregresjonsmodellene predikerer morgendagens Value-at-Risk vesentlig bedre enn benchmarkmodellene. Market Factor Quantile Regression presterer i tillegg bedre enn HeterogeneousAutoregressive-Quantile Regression, med en treffprosent på 100% mot 94%. Vårt hovedfunn er at markedsfaktorer, sammen med historisk volatilitet, gir en bedre prediksjon av morgendagens Value-at-Risk. Avhandlingen presenterer en bedre og mer presis modell, og kan være nyttig i en tid med finansiell uro.
Studien er gjennomført på futureskontrakter til råvarene råolje og gull, og indeksen S&P500 for perioden 02.07.2008 til 06.03.2017, et tiår hvor aktivaene har opplevd både Bull- og Bearmarkeder med store prissvingninger.