Μέτρηση Κινδύνου Αγοράς με Value at Risk και Εφαρμογή Αντιστάθμισης με Futures
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Μεταπτυχιακό Πρόγραμμα στην Ανάλυση Δεδομένων και Χρηματοοικονομική Τεχνολογία , Σχολή Οικονομικών Επιστημών και Διοίκησης, Πανεπιστήμιο Νεάπολις Πάφος
Abstract
Η παρούσα διπλωματική εργασία εξετάζει τη μέτρηση και αξιολόγηση του κινδύνου αγοράς ενός ενδεικτικού μετοχικού χαρτοφυλακίου, καθώς και την πρακτική δυνατότητα μείωσης της έκθεσης μέσω αντιστάθμισης με συμβόλαια μελλοντικής εκπλήρωσης. Το χαρτοφυλάκιο αποτελείται από τρεις μετοχές μεγάλης κεφαλαιοποίησης της αμερικανικής αγοράς, την Coca-Cola, τη Microsoft και την JPMorgan Chase, με ίση στάθμιση μεταξύ τους. Για την εμπειρική ανάλυση χρησιμοποιούνται ημερήσια δεδομένα από 02/01/2020 έως 31/12/2025. Μετά τον υπολογισμό των λογαριθμικών αποδόσεων και την εφαρμογή κυλιόμενου παραθύρου 250 ημερών, το δείγμα backtesting (εκ των υστέρων ελέγχου) εκτείνεται από 29/12/2020 έως 31/12/2025 και περιλαμβάνει 1.258 ημερήσιες εκτιμήσεις κινδύνου.
Η εργασία στηρίζεται σε δύο μεθόδους Value at Risk σε επίπεδο εμπιστοσύνης 99%: την Ιστορική Προσομοίωση και τη μέθοδο EWMA. Η Ιστορική Προσομοίωση αξιοποιεί την εμπειρική κατανομή προηγούμενων αποδόσεων, ενώ η EWMA δίνει μεγαλύτερη βαρύτητα στις πρόσφατες παρατηρήσεις και επιτρέπει τη δυναμική προσαρμογή της μεταβλητότητας. Η αξιοπιστία των δύο μεθόδων ελέγχεται με backtesting και με τον έλεγχο ανεπιφύλακτης κάλυψης Kupiec. Στο αρχικό χαρτοφυλάκιο η EWMA VaR εμφανίζει 29 εξαιρέσεις και απορρίπτεται, ενώ η Historical VaR εμφανίζει 13 εξαιρέσεις και δεν απορρίπτεται. Μετά την αντιστάθμιση με E-mini S&P 500 futures, η μεταβλητότητα και η VaR μειώνονται σημαντικά, αλλά η αξιολόγηση των μοντέλων παραμένει διαφοροποιημένη: η EWMA VaR εξακολουθεί να απορρίπτεται, ενώ η Historical VaR διατηρεί αποδεκτή συμπεριφορά στον έλεγχο Kupiec.
Τα αποτελέσματα δείχνουν ότι η μέτρηση του κινδύνου αγοράς δεν πρέπει να αντιμετωπίζεται ως μηχανικός υπολογισμός ενός αριθμού, αλλά ως διαδικασία που απαιτεί έλεγχο, ερμηνεία και κατανόηση των περιορισμών κάθε υποδείγματος. Η VaR παρέχει ένα χρήσιμο και εύληπτο μέτρο δυνητικής ζημίας, όμως η αξιοπιστία της εξαρτάται από τη μέθοδο υπολογισμού, την περίοδο δεδομένων και την εμπειρική επαλήθευση μέσω backtesting. Παράλληλα, η εφαρμογή αντιστάθμισης με futures αναδεικνύει ότι η μέτρηση του κινδύνου προηγείται της διαχειριστικής απόφασης για τη μείωσή του και ότι η διάκριση μεταξύ risk management και hedging είναι ουσιώδης για την ορθή λειτουργία ενός πλαισίου ελέγχου κινδύνου.
Description
This dissertation examines the measurement and evaluation of market risk for an illustrative equity portfolio and the practical effect of hedging through stock index futures. The portfolio consists of three large-cap U.S. stocks, Coca-Cola, Microsoft and JPMorgan Chase, equally weighted. The empirical analysis uses daily data from 02/01/2020 to 31/12/2025. After the computation of logarithmic returns and the use of a 250-day rolling window, the backtesting sample runs from 29/12/2020 to 31/12/2025 and includes 1,258 daily VaR forecasts.
Two 99% Value at Risk methodologies are applied: Historical Simulation and the Exponentially Weighted Moving Average method. Historical Simulation relies on the empirical distribution of past returns, whereas EWMA gives greater weight to recent observations and allows volatility to adjust dynamically. The accuracy of both models is assessed through backtesting and the Kupiec unconditional coverage test. For the unhedged portfolio, EWMA VaR records 29 exceptions and is rejected, whereas Historical VaR records 13 exceptions and is not rejected. After hedging with E-mini S&P 500 futures, volatility and VaR are materially reduced. However, model validation remains method-specific: EWMA VaR is still rejected, while Historical VaR remains statistically acceptable under the Kupiec test.
The findings indicate that market risk measurement should not be viewed as a purely mechanical calculation. VaR is useful because it translates potential loss into a clear quantitative measure, but its reliability depends on backtesting, model governance and an explicit understanding of its limitations. The dissertation also highlights the distinction between risk measurement, which belongs to the risk management function, and hedging, which constitutes a portfolio management decision.