Estimation of VaR in Risk Management by Employing Economic News in GARCH Models

Abstract

Tato diplomová práce zkoumá, jak zprávy, se vztahem k hlavním centrálním bankám, ovlivňují rozptyl výnosů akcií osmnácti velkých evropských bank. Hlavním nástrojem naší analýzy jsou modely GARCH, EGARCH a TGARCH. Praktickou aplikaci zhodnotíme, zda je možné modelováním volatility, za využítí zpráv, zlepšit výkonnost Value-at-Risk (VaR) u akcií daných bank. Pro zprávy použijeme dva typy proměnných. První proměnou vytvoříme za využití tiskových zpráv hlavních centrálních bank. U druhé pak použijeme údaj o počtu zpráv, který je výsledekem vyhledávání v databázi Factiva Dow Jones. Denní počet zpráv reprezentuje informační hodnotu, kterou zprávy obsahují. Díky vlastnostem EGARCH modelu můžeme sestrojit individuální reakční funkce rozptylu výnosů v závislosti na různých proměnných reprezentujících zprávy. Ukážeme, že obsah, původ a počet zpráv podstatně ovlivňují volatilitu. Výsledky potvrzují, že silnější medializace (větší počet zpráv) způsobují zvýšení volatility. Některé druhy zpráv (například mediální projevy představitelů centrálních bank) mají zklidňující effekt, a jiné (například monetární zprávy), volatilitu naopak zvyšují. Na závěr při zpětném testování modelu za použití dat z následujícího období, ve kterém nebyly parametry odhadnuty, dovodíme, že použití zpráv při modelování zlepšuje výkonost VaR...

We examined the influence of news, related to the main central banks, on the conditional volatility of the stock returns of eighteen major European banks. We model their conditional volatility with GARCH, EGARCH and TGARCH models plugging in variables representing news. As a practical application we evaluate whether applying the news into the volatility modeling improves the performance of the Value-at-Risk (VaR) measure for given banks. The two types of news variables we use are constructed from the press releases of main central banks and from the search query at Factiva Dow Jones news database. The information contained in news is proxied by daily news counts. Using the EGARCH setup we are able to model individual volatility reaction functions of the banks' stock returns to different news variables. We show that the content, origin of the news and also the amount of news (news count) matter to the conditional volatility behavior. The results confirm that increase in the amount of media coverage causes increase in volatility. Certain news types have calming effect (speeches of the central banks' representatives) on volatility while others stir it (monetary news). Finally, we conclude that adding the news into the modeling only slightly improves the VaR out-of-sample performance.