Value-at-Risk : market risk estimation in stressed market conditions
Kauhanen, Paavo (2021)
Kandidaatintutkielma
Kauhanen, Paavo
2021
School of Business and Management, Kauppatieteet
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe202201121993
https://urn.fi/URN:NBN:fi-fe202201121993
Tiivistelmä
This bachelor’s thesis examines the usability and reliability of Value-at-Risk (VaR) modeling in stressed market conditions. The objective of the study is to investigate whether VaR models can produce sufficiently accurate estimates during the increased volatility and unpredictability caused by covid-19 during the year 2020. The study utilizes Historical VaR (HVaR) and Monte Carlo VaR (MCVaR) calculation methods to estimate the market risk of three popular stock indices (S&P 500, STOXX Europe 600, and MSCI Emerging Markets).
The performance of HVaR and MCVaR was analyzed using a statistical backtesting method, which compared the ratio of observed model failures to a prespecified theoretical distribution. The backtesting models were constructed using market data ranging from 31.12.2009 to 31.12.2020. The results obtained from the backtesting indicated that the VaR models were not able to accurately estimate the increased risk and volatility present in stressed market conditions during the year 2020. The performance of both HVaR and MCVaR was overall very similar. However, MCVaR performed, in some cases, slightly better, as it produced a smaller number of total failures. The results also highlighted an interesting relationship between the size of the sampling window and the performance of the models. Using smaller sampling windows resulted in more accurate risk estimates by increasing the reactivity and adaptivity of the VaR models.
Most importantly, it could be concluded, that due to increasing levels of volatility and unpredictability, market risk estimation became increasingly challenging during the stressed market conditions of 2020. Tämä kandidaatintutkielma käsittelee Value-at-Risk (VaR) mallinnusta stressatuissa markkinaolosuhteissa. Tutkimuksen tavoitteena on tarkastella VaR-menetelmien luotettavuutta ja yleistä käytettävyyttä covid-19:n aiheuttamissa korkean volatiliteetin markkinaolosuhteissa. Tutkimuksessa hyödynnetään Historical VaR (HVaR) sekä Monte Carlo VaR (MCVaR) -menetelmiä, joiden avulla estimoidaan kolmen suositun osakeindeksin (S&P 500, STOXX Europe 600, MSCI Emerging Markets) markkinariskiä.
HVaR ja MCVaR -mallien suoriutumista tarkasteltiin tutkimuksessa tilastollisella toteutumatestausmenetelmällä, jossa verrattiin todellisten mallinnusvirheiden suhdetta ennalta määritettyyn teoreettiseen jakaumaan. Nämä toteutumatestausmallit rakennettiin käyttäen markkinadataa väliltä 31.12.2009-31.12.2020. Tutkimuksen tulokset osoittivat, että VaR mallit eivät onnistuneet estimoimaan markkinariskiä riittävällä tarkkuudella vuoden 2020 aikana vallinneissa stressatuissa markkinaolosuhteissa. HVaR ja MCVaR -mallien tuottamien tulosten väliset erot olivat pieniä, mutta MCVaR suoriuitui osassa testejä kuitenkin hieman HVaR:ia paremmin. Huomio perustui mallinnusvirheiden kokonaismäärään. Tämän lisäksi testien tulokset korostivat otoskoon ja -menetelmän vaikutusta mallinnustarkkuuteen; pienemmät otoskoot tuottivat tarkempia riskiestimaatteja, sillä ne lisäsivät mallien joustavuutta ja sopeutumiskykyä uusiin markkinaolosuhteisiin.
Ennen kaikkea tuloksista huomattiin, että korkea volatiliteetti ja kohonnut epävarmuus vaikeuttivat markkinariskin mallinnusta huomattavasti vuoden 2020 aikana vallinneissa stressatuissa markkinaolosuhteissa.
The performance of HVaR and MCVaR was analyzed using a statistical backtesting method, which compared the ratio of observed model failures to a prespecified theoretical distribution. The backtesting models were constructed using market data ranging from 31.12.2009 to 31.12.2020. The results obtained from the backtesting indicated that the VaR models were not able to accurately estimate the increased risk and volatility present in stressed market conditions during the year 2020. The performance of both HVaR and MCVaR was overall very similar. However, MCVaR performed, in some cases, slightly better, as it produced a smaller number of total failures. The results also highlighted an interesting relationship between the size of the sampling window and the performance of the models. Using smaller sampling windows resulted in more accurate risk estimates by increasing the reactivity and adaptivity of the VaR models.
Most importantly, it could be concluded, that due to increasing levels of volatility and unpredictability, market risk estimation became increasingly challenging during the stressed market conditions of 2020.
HVaR ja MCVaR -mallien suoriutumista tarkasteltiin tutkimuksessa tilastollisella toteutumatestausmenetelmällä, jossa verrattiin todellisten mallinnusvirheiden suhdetta ennalta määritettyyn teoreettiseen jakaumaan. Nämä toteutumatestausmallit rakennettiin käyttäen markkinadataa väliltä 31.12.2009-31.12.2020. Tutkimuksen tulokset osoittivat, että VaR mallit eivät onnistuneet estimoimaan markkinariskiä riittävällä tarkkuudella vuoden 2020 aikana vallinneissa stressatuissa markkinaolosuhteissa. HVaR ja MCVaR -mallien tuottamien tulosten väliset erot olivat pieniä, mutta MCVaR suoriuitui osassa testejä kuitenkin hieman HVaR:ia paremmin. Huomio perustui mallinnusvirheiden kokonaismäärään. Tämän lisäksi testien tulokset korostivat otoskoon ja -menetelmän vaikutusta mallinnustarkkuuteen; pienemmät otoskoot tuottivat tarkempia riskiestimaatteja, sillä ne lisäsivät mallien joustavuutta ja sopeutumiskykyä uusiin markkinaolosuhteisiin.
Ennen kaikkea tuloksista huomattiin, että korkea volatiliteetti ja kohonnut epävarmuus vaikeuttivat markkinariskin mallinnusta huomattavasti vuoden 2020 aikana vallinneissa stressatuissa markkinaolosuhteissa.