Υπολογισμός του value at risk και του expected shortfall πάνω σε αμοιβαία κεφάλαια και σε χαρτοφυλάκια Α μεταπτυχιακή εργασία
Στην παρούσα εργασία γίνεται μια ανασκόπηση μεθόδων μέτρησης κινδύ-νου του Value at Risk (VaR) και του Expected Shortfall (ES). Παρουσιάζουμε μερι-κές βασικές μεθόδους υπολογισμού του Value at Risk και του Expected Shortfall,όπως η Παραμετρική Μέθοδος, η Ιστορική Προσομοίωση και η Monte CarloΠροσομο...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Συγγραφή απο Οργανισμό/Αρχή: | |
| Μορφή: | Thesis Βιβλίο |
| Γλώσσα: | Greek |
| Δημοσίευση: |
2014.
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/15595 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
MARC
| LEADER | 00000cam a2200000 i 4500 | ||
|---|---|---|---|
| 001 | 1/48567 | ||
| 008 | 140603s2014 gr | ||| |||| ||gre|| | ||
| 035 | |l 10117849 | ||
| 040 | |a GR-MyUA |b gre |e AACR2 | ||
| 041 | 0 | |a gre | |
| 082 | 0 | |a 658.155 |2 (22) | |
| 100 | 1 | |a Λάτσιου, Αικατερίνα. | |
| 245 | 1 | 0 | |a Υπολογισμός του value at risk και του expected shortfall πάνω σε αμοιβαία κεφάλαια και σε χαρτοφυλάκια Α/Κ : |b μεταπτυχιακή εργασία / |c Αικατερίνα Λάτσιου ; επιβλέπων καθηγητής Στυλιανός Ξανθόπουλος. |
| 260 | |c 2014. | ||
| 300 | |a 163 σ. : |b σχέδια, πιν. ; |c 30 εκ. | ||
| 500 | |a Μέλη της εξεταστικής επιτροπής: Ξανθόπουλος Σ., Τσιμήκας Τ., Χατζησπύρος Σ. | ||
| 502 | |a Διατριβή (μεταπτυχιακή) – Πανεπιστήμιο Αιγαίου, Σάμος, 2014. | ||
| 504 | |a Βιβλιογραφία: σ.127-128. | ||
| 506 | 1 | |a Διάθεση πλήρους κειμένου ; |d Ενδοπανεπιστημιακή δημοσίευση. | |
| 520 | |a Στην παρούσα εργασία γίνεται μια ανασκόπηση μεθόδων μέτρησης κινδύ-νου του Value at Risk (VaR) και του Expected Shortfall (ES). Παρουσιάζουμε μερι-κές βασικές μεθόδους υπολογισμού του Value at Risk και του Expected Shortfall,όπως η Παραμετρική Μέθοδος, η Ιστορική Προσομοίωση και η Monte CarloΠροσομοίωση, και τις εφαρμόζουμε σε δεδομένα ενός Διαπραγματεύσιμου Αμοι-βαίου Κεφαλαίου και ενός χαρτοφυλακίου Α/Κ για την εκτίμηση του VaR και τουES με ορίζοντα μιας ημέρας (1-day ahead) και με ορίζοντα ενός μήνα. Εφαρμόζουμε για τις κατανομές των αποδόσεων την κατανομή student-t, την κανονικήκατανομή και την generalised pareto κατανομή και επίπεδα εμπιστοσύνης για τοVaR και το ES από 91.0% μέχρι 99.0%. Στην συνέχεια τα αποτελέσματα του κάθεμοντέλου του VaR ελέγχονται με βάση τους ελέγχους Kupiec, Christoffersen,Traffic Light Test για την καταλληλότητα τους και αντίστοιχα τα αποτελέσματατου κάθε μοντέλου του ES ελέγχονται με βάση τους ελέγχους Blanco-Ihle καιMcNeil & Frey. | ||
| 610 | 2 | 0 | |a University of the Aegean |x Dissertations. |
| 650 | 0 | 0 | |a Risk management. |
| 650 | 0 | 0 | |a Monte Carlo method. |
| 650 | 0 | 0 | |a Dissertations, Academic |z Greece. |
| 700 | 1 | |a Ξανθόπουλος, Στυλιανός, |e dgs | |
| 710 | 2 | |a Πανεπιστήμιο Αιγαίου. |b Σχολή Θετικών Επιστημών. |b Τμήμα Στατιστικής και Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών. |b Μεταπτυχιακό Πρόγραμμα Στατιστική και Αναλογιστικά - Χρηματοοικονομικά Μαθηματικά. | |
| 852 | |a INST |b SAMOS |c DIATR |e 20140603 |h 658.155 ΛΑΤ |p 005300036752 |q 005300036752 |t MTXE |y 23 | ||
| 852 | |a INST |b SAMOS |c DIATR |e 20140603 |h 658.155 ΛΑΤ |p 005300036753 |q 005300036753 |t MTXE |y 23 | ||
| 856 | |u http://hdl.handle.net/11610/15595 | ||
| 901 | |a BIBL3-2014-2 | ||
| 909 | |a Σ |b 184901 | ||
| 909 | |a Σ |b 184902 | ||
| 924 | |a ΛΑΤΣΙΟΥ |b ΑΙΚΑΤΕΡΙΝΑ |y Σάμος |z 2014-02 | ||
| 970 | |a ΚΟΣΙΕΡΗΣ |b ΧΡΗΣΤΟΣ |z 2014/06/03 | ||