Estimating and forecasting volatility of stock market returns using GARCH models – with an application to value-at-risk and expected shortfall

Denne studien analyserer bruken av forskjellige GARCH-modeller for modellering av betinget volatilitet i ulike sektorer av aksjemarkedet. Forbedring av volatilitetsmodellene gir bedre prediksjoner i prissettingen av finansielle aktiva, samt bedre risikostyring. COVID-19-pandemien er et viktig eksempel på en ustabil periode i markedet, og den understreker relevansen av nøyaktig måling av markedsrisiko som utøvere utsettes for. Et annet aspekt lagt til denne debatten er den grønne trenden i markedene de siste årene, dvs. både investorens etterspørsel etter grønne eiendeler og selskapers ønsker om å bli sett på som grønne. Dette har fått både verdien og volatiliteten til grønne aksjer til å øke. Ved å bruke både tre forskjellige distribusjonsforutsetninger og tre betingede volatilitetsmodeller, estimerer vi de historiske aksjeprisene til selskapene NEL, Tesla, Tomra, Norsk Hydro, General Motors og Aker BP i perioden november 2010 til januar 2021. For NEL og Norsk Hydro er datasettene utvidet til å omfatte data fra januar 2006 til januar 2021. Med varierende grad av kompleksitet er disse modellene i stand til å fange opp de viktigste karakteristikkene til finansiell avkastning slik som gruppering av volatilitet, leptokurtose og asymmetri. Modellene blir evaluert ved hjelp av estimeringssett og informasjonskriterier, mens valideringsettet er brukt til å lage volatilitetsprognoser og anvende disse i risikomålene value-at-risk (VaR) and expected shortfall (ES). VaR og ES beregnes ved hjelp en parametrisk tilnærming ved bruk av GARCH-modeller samt historisk simulering for sammenligning, og deres prestasjon er vurdert ved hjelp av backtesting. Resultatene dokumenterer at valg av GARCH-modell ikke ser ut til å ha stor betydning for noen av aksjene. Spesielt viser anvendelsen til VaR og ES at forskjellige modeller ser ut til å være foretrekke i ulike scenarioer. Men da modellprestasjonen er ganske like, vil den enkleste modellen være å foretrekke på grunn av tolkbarhet og beregningskompleksitet. Resultatene viser også at det er nødvendig å undersøke estimeringssettet nøye, og å gjøre dette kan gi et mer bestemt svar på valg av modell. Videre ser distribusjonsvalget ut til å ha en viss betydning i anvendelsen til VaR og ES, noe som mest sannsynlig skyldes forskjellene i karakteristikker av avkastning. Mer ikke-normalitet i avkastningen krever mer kompleksitet i distribusjonsantagelsene av innovasjonene. Samlet sett viser studien at de undersøkte GARCH-modellene kan være nyttige i risikomåling av aksjer