The aim of this thesis is to obtain a model for Conditional Value-at-Risk (CoVaR), leveraging information from mixed-frequency data. The model is estimated through quantile regression with two lasso penalties: one related to daily frequency data, i.e., financial institutions' returns, and the other related to monthly frequency variables, i.e., realized volatilities. The data used for the model application are the historical series of returns of the main securities composing the EuroStoxx 600 Financials stock index for the years from 2007 to 2023. Lastly, the presence of connections between different financial institutions is evaluated through the construction of networks.

L'obiettivo di questa tesi è ottenere un modello per il Conditional Value-at-Risk (CoVaR), sfruttando l'informazione proveniente da dati a frequenza mista. Il modello viene stimato tramite regressione quantilica con due penalizzazioni lasso: una relativa ai dati a frequenza giornaliera, quindi ai rendimenti delle istituzioni finanziarie, e l'altra relativa alle variabili a frequenza mensile, quindi le volatilità realizzate. I dati su cui viene applicato il modello sono le serie storiche dei rendimenti dei principali titoli che compongono l'indice azionario EuroStoxx 600 Financials per gli anni dal 2007 al 2023. Per finire, si valuta la presenza di connessioni tra le diverse istituzioni finanziarie tramite la costruzione di reti.

Utilizzo di dati a frequenza mista per la stima del Value-at-Risk: un’analisi empirica sul mercato finanziario europeo

PIAZZON, ELENA
2023/2024

Abstract

The aim of this thesis is to obtain a model for Conditional Value-at-Risk (CoVaR), leveraging information from mixed-frequency data. The model is estimated through quantile regression with two lasso penalties: one related to daily frequency data, i.e., financial institutions' returns, and the other related to monthly frequency variables, i.e., realized volatilities. The data used for the model application are the historical series of returns of the main securities composing the EuroStoxx 600 Financials stock index for the years from 2007 to 2023. Lastly, the presence of connections between different financial institutions is evaluated through the construction of networks.
2023
Using mixed-frequency data to estimate Value-at-Risk: an empirical analysis on the European financial market
L'obiettivo di questa tesi è ottenere un modello per il Conditional Value-at-Risk (CoVaR), sfruttando l'informazione proveniente da dati a frequenza mista. Il modello viene stimato tramite regressione quantilica con due penalizzazioni lasso: una relativa ai dati a frequenza giornaliera, quindi ai rendimenti delle istituzioni finanziarie, e l'altra relativa alle variabili a frequenza mensile, quindi le volatilità realizzate. I dati su cui viene applicato il modello sono le serie storiche dei rendimenti dei principali titoli che compongono l'indice azionario EuroStoxx 600 Financials per gli anni dal 2007 al 2023. Per finire, si valuta la presenza di connessioni tra le diverse istituzioni finanziarie tramite la costruzione di reti.
Value-at-Risk
Quantile Regression
MIDAS
Rischio sistemico
File in questo prodotto:
File Dimensione Formato  
Piazzon_Elena.pdf

accesso riservato

Dimensione 1.63 MB
Formato Adobe PDF
1.63 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/71217