| Περίληψη: | Το πιο διαδεδομένο μέτρο ποσοτικοποίησης του κινδύνου σήμερα είναι η Αξία σε Κίνδυνο ή VaR(Value at Risk) .Η VaR είναι ένα τυπικό εργαλείο που μας βοηθά να προσεγγίσουμε πιθανούς κινδύνους οικονομικών απωλειών από τη δραστηριότη- τά μας στις οικονομικές αγορές απλα με τη μορφή ενός αριθμού. Υπάρχουν πολλές μέθοδοι υπολογισμού αυτού του αριθμού ,ένας ανάμεσα σε αυτούς είναι με τη βο- ήθεια των μοντέλων ARCH και GARCH .Τα μοντέλα ARCH και GARCH έχουν αναχθεί σε πολύ σημαντικά εργαλεία στην ανάλυση δεδομένων χρονοσειρών,ειδικά οικονομικών χρονοσειρών. Τα υποδείγματα αυτά είναι ιδιεταίρως χρήσιμα οταν ο σκοπός της μελέτης είναι η ανάλυση και η πρόβλεψη της μεταβλητότητας της αγο- ράς (volatility) .Το μοντέλο FIGARCH (Fractionally Integrated Generalized Au- toregressive Conditional Heteroscedastic ) λόγω της ισχυρής μνήμης φύσης του 2 φαίνεται πως είναι καλυτερος υποψήφιος από άλλα ετεροσκεδαστικά μοντέλα για την εκτίμηση ασυμμετρικών χαρακτηριστικών και ισχυρής μνήμης στη μεταβλητότητα Α- γορών όπως το Χρηματιστήριο Αθηνών.Σε αυτή τη μελέτη θα προσπαθήσουμε να εξετάσουμε τον ορισμό της ισχυρής μνήμης για τον υπολογισμό VaR του Γενικού Δείκτη Τιμών του Ελληνικού Χρηματιστηρίου Αθηνών για δεδομένο χρονικό ορίζο- ντα και επιπέδου εμπιστοσύνης με τη βοήθεια του FIGARGH (1,d,1) μοντέλου και με κατανομή Student-t,και skewed Student-t των σφαλμάτων .
|
|---|
