Vis enkel innførsel

dc.contributor.advisorWestgaard, Sjur
dc.contributor.authorBøe, Lasse Samuelsen
dc.contributor.authorOpheim, Jørgen Søvik
dc.contributor.authorStålesen, Adrian Salater
dc.date.accessioned2019-08-24T14:02:54Z
dc.date.available2019-08-24T14:02:54Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/11250/2610691
dc.description.abstractI denne studien predikerer vi daglig Value-at-Risk (VaR) og Expected Shortfall (ES) i prisdifferansen mellom tyske og nordiske future-kontrakter på elektrisitet med forfall i kommende kvartal og kommende år. Til dette formålet bruker vi ulike univariate og bivariate formuleringer av generalisert autoregressiv betinget heteroskedastisitet-modeller (GARCH-modeller). Resultatene sammenlignes basert på to alternative predikeringsmetoder - én metode som bruker konstant estimeringsutvalg og én metode som involverer re-estimering. Vi konkluderer med at GARCH-modellen med fordelingsantagelse fra ekstremverditeori, GJR-GARCH-modellen med asymmetrisk Student t-fordeling og konstant betinget korrelasjons-modellen med symmetrisk Student t-fordeling oppnår best nøyaktighet ved prediksjon av VaR og ES med konstant estimeringsutvalg. Videre finner vi at GARCH-modellene med symmetrisk og asymmetrisk Student t-fordeling gir best resultater ved prediksjon basert på re-estimering. Ekstreme prisbevegelser i de tyske og nordiske kraftmarkedene i september 2018 skapte stor internasjonal oppmerksomhet. Våre resultater kan være av interesse for ulike markedsaktører som ønsker å sikre posisjoner eller spekulere i prisdifferansen mellom tyske og nordiske future-kontrakter på elektrisitet.
dc.description.abstractIn this study, we forecast day-ahead Value-at-Risk (VaR) and Expected Shortfall (ES) in German-Nordic front-quarter and front-year electricity futures spreads. We achieve this by employing a set of univariate and bivariate generalized autoregressive conditional heteroscedasticity (GARCH) models with different distributional assumptions, along with two quantile regression models. We compare the out-of-sample performance of two alternative forecasting procedures - one approach using a fixed estimation sample and one approach which involves reestimation. We conclude that the GARCH model with an extreme value theory distributional assumption, the GJR-GARCH model with skewed Student t distribution and the constant conditional correlation (CCC) model with symmetric Student t distribution are the most appropriate specifications when forecasting VaR and ES with a fixed estimation sample. Moreover, we find that GARCH models with symmetric or skewed Student t distribution most accurately predict VaR and ES when forecasting with reestimation. The German-Nordic electricity futures spreads were subject to substantial market turmoil during September 2018, which gained international attention in the financial community. Our results could be of interest for market participants seeking to hedge or speculate on German-Nordic electricity futures spreads.
dc.languageeng
dc.publisherNTNU
dc.titleForecasting Value-at-Risk and Expected Shortfall in German-Nordic electricity futures spreads
dc.typeMaster thesis


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel