Value at risk s využitím vysokofrekvenčních dat

The target of this thesis is comparison of two dierent approaches for volatility modelling. Both methods use realized measures. The methods are applied on two datasets of same length, one from US markets, one from European markets. The used methods are realized GARCH model and HAR models. These methods are applied on in sample data, the model is established and then out of sample predictions are made - one day and one week ahead. On those tted and predicted values, value at risk analysis is conducted (95% and 99%) which is then backtested. The models are also compared by standard statistical tests.Cílem práce je srovnání dvou rodin metod řešení modelování volatility s využitím dvou datatsetů vysokofrekvenčních dat. Analýza je prováděna na zvoleném časovém úseku na datech z americké i evropské burzy. Využity jsou metody využívající jako jednu z vysvětlujících proměných realizovanou volatility - realized GARCH a rodina HAR modelů. Pomocí těchto modelů je na trénovacích datech modelována volatility, modely jsou následně protaženy do testovacích dat, kde jsou predikovány hodnoty volatility na následující den a následující týden. Vypočítané hodnoty denní volatility jsou následně podrobeny analýze value at risk s dvěma hladinami spolehlivosti -- 95\% a 99\%. Modely na úrovni trénovacích i testovaích jsou srovnány pomocí vybraných statistik a value at risk hodnoty jsou zpětně testovány standartními statistickými metodami