Investigating the Effect of Norwegian Policy Rate Changes on Interest Rate Risk

Abstract

Denne masteroppgavens hovedmål er å utforske risiko tilknyttet rentederivater. Vi tester effekten endringer i den norske styringsrenten har på risikoen ved å bruke INLA (Integrated Nested Laplace Approximation). INLA har blitt en etablert metode innen statistikk, men er lite brukt innen kvantitativ finans. Utforsking og evaluering av rammeverkets egenskaper utgjør en sentral del av oppgaven. To INLA-modeller er benyttet på perioden fra januar 2005 til mai 2022, og den beste modellen av disse er benyttet på fire underperioder med lengder på omtrent to år hver. HJM-modeller er benyttet på de samme fire underperiodene for å gi en kvalitativ og kvantitativ sammenligning av INLA og en mer brukt metode for å måle finansiell risiko.

INLA-modellene gir fornuftige og presise resultater, med risikomål for hver dag i datasettet. Den høye persistensen av modellene indikerer at den globale risikoen er bakt inn i de lokale risikomålene, som er en ønsket egenskap av tidsrekken vi modellerer. Modellen vår indikerer at endringene i styringsrenten ikke påvirker risikomålene, som kan være en konsekvens av at informasjonen fra endringene allerede er inkorporert i derivatene. Vi konkluderer at INLA er et nyttig og effektivt rammeverk for modellering av finansielle tidsrekker.

The main objective of this thesis is to investigate the risk of interest rate derivatives. We test the effect on risk from changes in the Norwegian policy rate using INLA, integrated nested Laplace approximation. INLA is an established method within statistics but has not been used much in quantitative finance. Studying and evaluating the properties of this framework is a central part of the thesis. Two INLA models are fitted to the entire period from January 2005 to May 2022, and the best performing one is fitted to four subperiods with lengths of approximately two years each. HJM models are fitted to the same four subperiods, giving a qualitative and quantitative comparison of INLA and a more established method for measuring financial risk.

The INLA models give sensible and precise results, with risk measures for every day of the data set. The high persistence of the models indicates that the global risk is incorporated in the local risk measurements, which is a desired property of our time series. Our model does not indicate that the policy rate changes influence the risk measures, as the information from the changes seems to be compromised in the derivative prices. We conclude that INLA is an appropriate and effective framework for modelling financial time series.