liu.seSök publikationer i DiVA
Ändra sökning
Avgränsa sökresultatet
1 - 3 av 3
RefereraExporteraLänk till träfflistan
Permanent länk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Träffar per sida
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sortering
  • Standard (Relevans)
  • Författare A-Ö
  • Författare Ö-A
  • Titel A-Ö
  • Titel Ö-A
  • Publikationstyp A-Ö
  • Publikationstyp Ö-A
  • Äldst först
  • Nyast först
  • Skapad (Äldst först)
  • Skapad (Nyast först)
  • Senast uppdaterad (Äldst först)
  • Senast uppdaterad (Nyast först)
  • Disputationsdatum (tidigaste först)
  • Disputationsdatum (senaste först)
  • Standard (Relevans)
  • Författare A-Ö
  • Författare Ö-A
  • Titel A-Ö
  • Titel Ö-A
  • Publikationstyp A-Ö
  • Publikationstyp Ö-A
  • Äldst först
  • Nyast först
  • Skapad (Äldst först)
  • Skapad (Nyast först)
  • Senast uppdaterad (Äldst först)
  • Senast uppdaterad (Nyast först)
  • Disputationsdatum (tidigaste först)
  • Disputationsdatum (senaste först)
Markera
Maxantalet träffar du kan exportera från sökgränssnittet är 250. Vid större uttag använd dig av utsökningar.
  • 1.
    Hagenbjörk, Johan
    Linköpings universitet, Institutionen för ekonomisk och industriell utveckling, Produktionsekonomi. Linköpings universitet, Tekniska fakulteten.
    Optimization-Based Models for Measuring and Hedging Risk in Fixed Income Markets2020Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
    Abstract [sv]

    De globala ränte- och kreditmarknaderna är enorma finansiella marknader vars sammanlagda värden vida överstiger de publika aktiemarknadernas. Räntemarknaden består av räntederivat vars främsta användningsområde är hantering av ränterisker. Kreditmarknaden utgörs i första hand av obligationsmarknaden som syftar till att förmedla pengar från investerare till företag, institutioner och stater med upplåningsbehov. Denna avhandling fokuserar på att utifrån ett optimeringsperspektiv modellera både ränte- och obligationsmarknaden. Lagstiftarna på de nationella marknaderna kräver att de finansiella aktörerna värderar sina finansiella tillgångar i enlighet med marknadspriser. Därmed måste priserna på många instrument, som inte handlas publikt, beräknas matematiskt. De finansiella storheter som krävs för denna prissättning är inte direkt observerbara, utan måste mätas genom att lösa inversa optimeringsproblem. Dessa mätningar görs utifrån tillgängliga marknadspriser, som observeras med varierande grad av mätbrus. För räntemarknaden utgörs de relevanta finansiella storheterna av räntekurvor som åskådliggör marknadsräntorna för olika löptider. För obligationsmarknaden utgör kreditrisken en ytterligare faktor som modelleras via fallissemangsintensitetskurvor och kurvor kopplade till förväntat återvunnet kapital vid eventuellt fallissemang. Genom att formulera lämpliga optimeringsmodeller kan de olika underliggande finansiella storheterna mätas i enlighet med observerbara marknadspriser samtidigt som ekonomisk realism eftersträvas.

    Mätning och hantering av risker är nära kopplat till mätningen av de underliggande finansiella storheterna. Genom en datadriven metod kan vi visa att sex systematiska riskfaktorer kan användas för att förklara nästan all varians i räntekurvorna. Genom att modellera dynamiken i dessa sex riskfaktorer kan tänkbara utfall för räntekurvor simuleras. För kortsiktiga simuleringshorisonter resulterar detta i en representation av fördelningen av portföljvärden som väl överensstämmer med de realiserade utfallen från historiskt observerade räntekurvor. Detta möjliggör noggrannare mätningar av ränterisk där vår föreslagna metod uppvisar såväl lägre risk som mindre prissättningsfel jämfört med traditionella modeller.

    Vi föreslår en metod för att dekomponera portföljutvecklingen för en godtycklig portfölj till de riskfaktorer som påverkar värdet för respektive instrument. Genom att demonstrera metoden för de sex systematiska riskfaktorerna som identifierats för räntemarknaden visar vi att nästan all portföljutveckling och portföljvarians kan härledas till dessa riskfaktorer. Övriga riskfaktorer och approximationsfel samlas i två termer, vilka kan användas för att säkerställa och eventuellt förbättra kvaliteten i prestationshärledningen.

    För att eliminera oönskad risk i sina tradingböcker använder banker sig av hedging. Traditionella metoder tar ingen hänsyn till transaktionskostnader. Vi föreslår därför en metod för att hantera riskerna på räntemarknaden genom en stokastisk optimeringsmodell som också tar hänsyn till transaktionskostnader. Denna metod bygger på en scenarioapproximation av optimeringsproblemet där de sex systematiska riskfaktorerna simuleras och portföljvariansen vägs mot transaktionskostnaderna. Detta resulterar i en metod som, för alla riskaverta investerare, är att föredra framför de traditionella metoderna.

    På kreditmarknaden använder vi data från obligationsmarknaden i kombination räntemarknaden för att göra noggranna mätningar av de finansiella storheterna. Vi angriper det erkänt svåra problemet att separera fallissemangsrisk från återvinningsrisk. Förutom de tidigare sex systematiska riskfaktorerna för riskfri ränta, identifierar vi fyra riskfaktorer som förklarar nästan all varians i fallissemangsintensiteter, medan en enda riskfaktor tycks räcka för att modellera återvinningsrisken. Sammanlagt är detta ett större antal riskfaktorer än vad som brukar användas i litteraturen. Via en enkel modell kan vi mäta variansen i obligationspriser i termer av dessa systematiska riskfaktorer och genom prestationshärledningen relatera dessa värden till de empiriskt realiserade varianserna från kvoterade obligationspriser.

    Delarbeten
    1. Simulation and evaluation of the distribution of interest rate risk
    Öppna denna publikation i ny flik eller fönster >>Simulation and evaluation of the distribution of interest rate risk
    2019 (Engelska)Ingår i: Computational Management Science, ISSN 1619-697X, E-ISSN 1619-6988, Vol. 16, nr 1-2, s. 297-327Artikel i tidskrift (Refereegranskat) Published
    Abstract [en]

    We study methods to simulate term structures in order to measure interest rate risk more accurately. We use principal component analysis of term structure innovations to identify risk factors and we model their univariate distribution using GARCH-models with Student’s t-distributions in order to handle heteroscedasticity and fat tails. We find that the Student’s t-copula is most suitable to model co-dependence of these univariate risk factors. We aim to develop a model that provides low ex-ante risk measures, while having accurate representations of the ex-post realized risk. By utilizing a more accurate term structure estimation method, our proposed model is less sensitive to measurement noise compared to traditional models. We perform an out-of-sample test for the U.S. market between 2002 and 2017 by valuing a portfolio consisting of interest rate derivatives. We find that ex-ante Value at Risk measurements can be substantially reduced for all confidence levels above 95%, compared to the traditional models. We find that that the realized portfolio tail losses accurately conform to the ex-ante measurement for daily returns, while traditional methods overestimate, or in some cases even underestimate the risk ex-post. Due to noise inherent in the term structure measurements, we find that all models overestimate the risk for 10-day and quarterly returns, but that our proposed model provides the by far lowest Value at Risk measures.

    Ort, förlag, år, upplaga, sidor
    New York: Springer Publishing Company, 2019
    Nyckelord
    Interest rate risk, Principal component analysis, Term structure, Value at Risk
    Nationell ämneskategori
    Sannolikhetsteori och statistik
    Identifikatorer
    urn:nbn:se:liu:diva-151604 (URN)10.1007/s10287-018-0319-8 (DOI)000458627300013 ()2-s2.0-85048050404 (Scopus ID)
    Tillgänglig från: 2019-03-12 Skapad: 2019-03-12 Senast uppdaterad: 2019-12-08Bibliografiskt granskad
    2. A generic framework for monetary performance attribution
    Öppna denna publikation i ny flik eller fönster >>A generic framework for monetary performance attribution
    2019 (Engelska)Ingår i: Journal of Banking & Finance, ISSN 0378-4266, E-ISSN 1872-6372, Vol. 105, s. 121-133Artikel i tidskrift (Refereegranskat) Published
    Abstract [en]

    We propose a generic framework for performance attribution in monetary terms. Through a second-order Taylor approximation, the changes in portfolio value are attributed to a set of systematic risk factors. By considering two error terms arising from the Taylor approximation, combined with an exact definition of the carry term, we derive a residual-free performance attribution framework, where we exert control over the size of the error terms. The framework incorporates foreign exchange rates and transaction costs, which is illustrated by simulating a European investor acting on the U.S. fixed income market. For the out-of-sample period, we show that we can attribute almost all portfolio value differences and variance using six risk factors obtained from principal component analysis. The results show that our method, in combination with high-quality estimates of risk factors, outperforms other fixed-income attribution models from the literature. (C) 2019 Elsevier B.V. All rights reserved.

    Ort, förlag, år, upplaga, sidor
    ELSEVIER SCIENCE BV, 2019
    Nyckelord
    Performance attribution; Performance analysis; Fixed income
    Nationell ämneskategori
    Nationalekonomi
    Identifikatorer
    urn:nbn:se:liu:diva-158925 (URN)10.1016/j.jbankfin.2019.05.021 (DOI)000472698500009 ()
    Tillgänglig från: 2019-07-20 Skapad: 2019-07-20 Senast uppdaterad: 2020-01-15
  • 2.
    Blomvall, Jörgen
    et al.
    Linköpings universitet, Institutionen för ekonomisk och industriell utveckling, Produktionsekonomi. Linköpings universitet, Tekniska fakulteten.
    Hagenbjörk, Johan
    Linköpings universitet, Institutionen för ekonomisk och industriell utveckling, Produktionsekonomi. Linköpings universitet, Tekniska fakulteten.
    A generic framework for monetary performance attribution2019Ingår i: Journal of Banking & Finance, ISSN 0378-4266, E-ISSN 1872-6372, Vol. 105, s. 121-133Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    We propose a generic framework for performance attribution in monetary terms. Through a second-order Taylor approximation, the changes in portfolio value are attributed to a set of systematic risk factors. By considering two error terms arising from the Taylor approximation, combined with an exact definition of the carry term, we derive a residual-free performance attribution framework, where we exert control over the size of the error terms. The framework incorporates foreign exchange rates and transaction costs, which is illustrated by simulating a European investor acting on the U.S. fixed income market. For the out-of-sample period, we show that we can attribute almost all portfolio value differences and variance using six risk factors obtained from principal component analysis. The results show that our method, in combination with high-quality estimates of risk factors, outperforms other fixed-income attribution models from the literature. (C) 2019 Elsevier B.V. All rights reserved.

    Publikationen är tillgänglig i fulltext från 2022-05-26 12:30
  • 3.
    Hagenbjörk, Johan
    et al.
    Linköpings universitet, Institutionen för ekonomisk och industriell utveckling, Produktionsekonomi. Linköpings universitet, Tekniska fakulteten.
    Blomvall, Jörgen
    Linköpings universitet, Institutionen för ekonomisk och industriell utveckling, Produktionsekonomi. Linköpings universitet, Tekniska fakulteten.
    Simulation and evaluation of the distribution of interest rate risk2019Ingår i: Computational Management Science, ISSN 1619-697X, E-ISSN 1619-6988, Vol. 16, nr 1-2, s. 297-327Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    We study methods to simulate term structures in order to measure interest rate risk more accurately. We use principal component analysis of term structure innovations to identify risk factors and we model their univariate distribution using GARCH-models with Student’s t-distributions in order to handle heteroscedasticity and fat tails. We find that the Student’s t-copula is most suitable to model co-dependence of these univariate risk factors. We aim to develop a model that provides low ex-ante risk measures, while having accurate representations of the ex-post realized risk. By utilizing a more accurate term structure estimation method, our proposed model is less sensitive to measurement noise compared to traditional models. We perform an out-of-sample test for the U.S. market between 2002 and 2017 by valuing a portfolio consisting of interest rate derivatives. We find that ex-ante Value at Risk measurements can be substantially reduced for all confidence levels above 95%, compared to the traditional models. We find that that the realized portfolio tail losses accurately conform to the ex-ante measurement for daily returns, while traditional methods overestimate, or in some cases even underestimate the risk ex-post. Due to noise inherent in the term structure measurements, we find that all models overestimate the risk for 10-day and quarterly returns, but that our proposed model provides the by far lowest Value at Risk measures.

1 - 3 av 3
RefereraExporteraLänk till träfflistan
Permanent länk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf