Risiko-mål i stokastiske volatilitetmodeller

Specialeforsvar: Michael Asger Banning Iversen

Titel: Risiko-mål i stokastiske volatilitetmodeller

Resume: Resultaterne fra artiklen Han, C. H., VaR/CVaR Estimation under Stochastic Volatility Models (2013) bliver præsenteret, efterregnet og udvidet hvor det er sig relevant. Teorien bag Euler og Milstein diskretisering bliver forklaret og deres stærke og svage grad af konvergens visualiseret. Varians estimeringen affødt af Fourier Transform metoden bliver introduceret og dens præstation analyseret, hvilket viser at dens præcision afhænger nøje af mængden af Fourier-led og størrelsen af udjævningsfaktoren. Ornstein-Uhlenbeck parameretværdierne bliver udledt og vist ved simulering at de estimerer de sande værdier fra den underliggende process godt. Importance Sampling teknikken bliver introduceret som en måde at minimere variansen af risikomålene, VaR- and CVaR
. Til sidst bliver Fourier Transform methoden kombineret med Importance Sampling teknikken sammenlignet med to konventionelle metoder at estimere underliggende varians på, det glidende gennemsnit og det eksponentielt vægtede glidende gennemsnit. Fourier Transform method med Importance Sampling teknikken bliver erklæret som den bedste af de tre til at estimere risikomål på af de tre

Vejleder: Rolf Poulsen
Censor: David Skovmand, CBS