Moderne statistiske metoder for analyse og varsling av markedsrisiko

Statistiske begreper, metoder og modeller har gjort sitt inntog i norske finansinstitusjoner, spesielt i arbeidet med måling og vurdering av risiko. Mellomstore norske banker har i all hovedsak hatt fokus på kredittrisiko, og bruk av statistiske modeller både i innvilgelsesprosessen og porteføljestyringen. Risikoen deles i forskjellige områder, og i dette prosjektet, som fokuserer på metoder innenfor området markedsrisiko, ser vi på bruk av moderne statistiske metoder som en mulighet til å forbedre risik ostyringen. Markedsrisiko er definert som risikoen for tap som følge av endringer i observerbare variabler som aksjekurser, valuta og renter. Volatilitet er et statistisk mål på svingningene i markedet, og er i denne sammenheng en viktig størrelse. Det vi ser seg at volatiliteten også er volatil, et fenomen kjent som tidsvarierende volatilitet. Dette reflekter at markedet går inn og ut av turbulente perioder. Dette medfører igjen at man får såkalte tunge haler i fordelinga av økning/nedgang i prisen/verdie n. Et viktig bidrag fra kandidaten har vært utvikling av en algoritme som estimerer volatilitetsparameteren mer presist enn tidligere. Dette arbeidet har blitt publisert i tre fagvurderte tidsskrifter.

Forskning innenfor empirisk finans har avdekket at rente- og valutafluktuasjoner er karakterisert ved ikke-gausiske og sterkt avhengige log-returns. I tillegg viser denne typen data en bestemt statistisk signatur som kalles multifraktalitet, og på bakgrun n av dette forskes det aktivt på utvikling av multifraktale volatilitetsmodeller. Hovedformålet med dette prosjektet er å konstruere multifraktale stokastiske prosesser og implementere disse volatilitetsmodellene som en komplett metode for risikoberegning .