Grstats Forum

Σεμινάριο Κατάρτισης ‘Financial Econometric Modelling with R’ Οικονομικό Πανεπιστήμιο Αθηνών, 26-28 Μαΐου 2017

Επισκόπηση προηγούμενης Θ.Ενότητας Επισκόπηση επόμενης Θ.Ενότητας Πήγαινε κάτω

Σεμινάριο Κατάρτισης ‘Financial Econometric Modelling with R’ Οικονομικό Πανεπιστήμιο Αθηνών, 26-28 Μαΐου 2017

Δημοσίευση από grstats Την / Το Πεμ 4 Μαϊος 2017 - 11:01

Σεμινάριο Κατάρτισης ‘Financial Econometric Modelling with R’ Οικονομικό Πανεπιστήμιο Αθηνών, 26-28 Μαΐου 2017






Σκοπός – Αντικείμενο του Προγράμματος


Σκοπός του σεμιναρίου είναι η παρουσίαση, ανάπτυξη και εφαρμογή οικονομετρικών και στατιστικών υποδειγμάτων σε χρηματοοικονομικά εμπειρικά προβλήματα όπως η κατασκευή βέλτιστων χαρτοφυλακίων, η εκτίμηση της επίδοσης/απόδοσης των διαχειριστών κεφαλαίων και η εκτίμηση του κινδύνου των χρηματοοικονομικών προϊόντων. Τα οικονομετρικά υποδείγματα τα οποία εισάγονται και αναπτύσσονται, αποτελούν μια αξιόπιστη προσέγγιση στην ανάλυση χρηματοοικονομικών εμπειρικών θεμάτων γιατί ‘συλλαμβάνουν’ τα ιδιαίτερα χαρακτηριστικά των χρηματοοικονομικών δεδομένων. Τα χαρακτηριστικά αυτά αφορούν τις μεταβαλλόμενες στο χρόνο διακυμάνσεις και συνδιακυμάνσεις των αποδόσεων των χρηματοοικονομικών στοιχείων, το φαινόμενο των ‘παχιών’ ουρών των αποδόσεων, και την απόκλιση από την κανονικότητα που εμφανίζουν τα χρηματοοικονομικά δεδομένα, λόγω των γεγονότων της αγοράς (market events) αλλά και των κρίσεων που παρουσιάζονται συχνά στην οικονομία.

Το πλήθος των χρηματοοικονομικών στοιχείων και επενδύσεων, και ιδιαίτερα τα χαρακτηριστικά των χρηματοοικονομικών δεδομένων καθιστούν απαραίτητη την χρήση προηγμένων στατιστικών και οικονομετρικών υποδειγμάτων για την ανάλυσή τους και την λήψη αξιόπιστων και έγκυρων αποφάσεων. Ταυτόχρονα, η αλματώδη ανάπτυξη των υπολογιστών και των νέων τεχνολογιών και εφαρμογών στον χώρο της πληροφορικής επιτρέπει την εκτίμηση των στατιστικών και οικονομετρικών υποδειγμάτων με την χρήση κατάλληλων προγραμμάτων που προσδίδουν ταχύτητα και ευελιξία στην  ποσοτική ανάλυση των δεδομένων. Είναι άλλωστε ενδεικτική η αναζήτηση ερευνητών και αναλυτών που συνδυάζουν την ποσοτική (στατιστική) ανάλυση και επεξεργασία των δεδομένων με την χρήση προγραμματισμού από τις εταιρείες επενδύσεων και χρηματοοικονομικών εφαρμογών.

Το σεμινάριο, διάρκειας 3 ημερών, έχει σκοπό να παρουσιάσει, αναπτύξει και εφαρμόσει κατάλληλα οικονομετρικά υποδείγματα σε βασικές εμπειρικές χρηματοοικονομικές εφαρμογές με την χρήση του προγράμματος R. Ενός open source προγράμματος με μεγάλη ανάπτυξη τόσο στην ακαδημαϊκή κοινότητα όσο και σε επαγγελματικούς και ερευνητικούς χώρους. Οι θεματικές ενότητες του σεμιναρίου παρουσιάζονται αναλυτικά παρακάτω.



Θεματικές Ενότητες του Προγράμματος

• Παρουσιάζεται το πρόβλημα της κατασκευής βέλτιστων χαρτοφυλακίων (optimal portfolio construction). Ένας ορθολογικός επενδυτής ενδιαφέρεται να έχει στην κατοχή του ένα χαρτοφυλάκιο περιουσιακών στοιχείων τα οποία επιτυγχάνουν το χαμηλότερο δυνατό κίνδυνο για ένα συγκεκριμένο επίπεδο αναμενόμενης απόδοσης. Η εύρεση των

βέλτιστων ποσοστών επένδυσης (σταθμίσεων ή βαρών) των περιουσιακών στοιχείων ενός χαρτοφυλακίου μπορεί να γίνει με την επίλυση ενός προβλήματος ελαχιστοποίησης της διακύμανσης του χαρτοφυλακίου υπό περιορισμούς που αφορούν τις σταθμίσεις των περιουσιακών στοιχείων ή/και την αναμενόμενη απόδοση που επιτυγχάνει το χαρτοφυλάκιο. Απαραίτητα στοιχεία (inputs) στην εύρεση του βέλτιστου χαρτοφυλακίου είναι η εκτίμηση/πρόβλεψη της αναμενόμενης απόδοσης και της διακύμανσης του χαρτοφυλακίου, και συνεπώς και των περιουσιακών στοιχείων που το απαρτίζουν.
• Παρουσιάζεται το πρόβλημα της εκτίμησης της επίδοσης των διαχειριστών κεφαλαίων (performance evaluation of fund managers). Διάφορα μέτρα απόδοσης των επενδύσεων έχουν προταθεί στη διεθνή βιβλιογραφία, όπως αυτά των Sharpe (1964), Traynor (1965) και Jensen (1968). Τα μέτρα αυτά χρησιμοποιούνται πολύ συχνά σε εμπειρικές αναλύσεις λόγω της ευκολίας υπολογισμού τους, αλλά και λόγω του ιδιαίτερου ενδιαφέροντος που παρουσιάζει η αξιολόγηση των διαχειριστών κεφαλαίου. Έμφαση δίνεται στην εκτίμηση της επίδοσης των διαχειριστών με τη χρήση του μέτρου του Jensen, ‘Jensen’s alpha’, σύμφωνα με το οποίο η ικανότητα του διαχειριστή κεφαλαίων αντικατοπτρίζεται στην εκτίμηση της σταθεράς ενός υποδείγματος απλής ή συνήθως πολλαπλής παλινδρόμησης των αποδόσεων του περιουσιακού στοιχείου πάνω στις αποδόσεις ενός ή περισσοτέρων παραγόντων (risk factors) που ενδέχεται να τις επηρεάζει. Για τον σκοπό αυτό παρουσιάζονται συνοπτικά τα υποδείγματα που έχουν προταθεί στη βιβλιογραφία, και σχολιάζονται τα μειονεκτήματα τους, προκειμένου να αντιμετωπιστούν στη συνέχεια. Από στατιστικής/οικονομετρικής σκοπιάς πρόκειται για ένα πρόβλημα επιλογής των στατιστικά σημαντικών παραγόντων που επηρεάζουν τις αποδόσεις του περιουσιακού στοιχείου. Ωστόσω λόγω των ιδιαίτερων χαρακτηριστικών των αποδόσεων των χρηματοοικονομικών στοιχείων, αλλά και των παραβιάσεων των υποθέσεων των καταλοίπων των υποδειγμάτων παλινδρόμησης που συνήθως χρησιμοποιούνται, η εκτίμηση της επίδοσης των διαχειριστών δεν είναι σε πολλές περιπτώσεις αξιόπιστη. Για τους λόγους αυτούς, προτείνονται κατάλληλα οικονομετρικά υποδείγματα μοντελοποίησης των αναμενόμενων αποδόσεων και της δεσμευμένης διακύμανσης των αποδόσεων των χρηματοοικονομικών προϊόντων.
• Παρουσιάζονται τα ιδιαίτερα χαρακτηριστικά των χρηματοοικονομικών δεδομένων, προκειμένου να γίνει κατανοητό για ποιούς λόγους υπάρχει παραβίαση των υποθέσεων των καταλοίπων των υποδειγμάτων παλινδρόμησης, και με βάση αυτά τα χαρακτηριστικά θα γίνει μία αξιόπιστη και κατάλληλη μοντελοποίηση των χρηματοοικονομικών δεδομένων.
• Γίνεται περιγραφή και ανάπτυξη των οικονομετρικών υποδειγμάτων που επιτρέπουν την μοντελοποίηση της δεσμευμένης διακύμανσης των αποδόσεων των χρηματοοικονομικών στοιχείων, η οποία μεταβάλλεται στο χρόνο δυναμικά. Συγκεκριμένα, αναπτύσσονται τα μονομεταβλητά υποδείγματα αυτοπαλίνδρομης δεσμευμένης διακύμανσης (Autoregressive Conditional Heteroskedastic models - ARCH, Engle, 1982), καθώς και επεκτάσεις αυτών των υποδειγμάτων, τα οποία συλλαμβάνουν επιπρόσθετα χαρακτηριστικά των χρηματοοικονομικών δεδομένων και είναι αξιόπιστα σε εμπειρικές εφαρμογές. Πρόκειται για τα γενικευμένα (GARCH models, Bollerslev, 1986) και τα εκθετικά υποδείγματα αυτοπαλίνδρομης δεσμευμένης διακύμανσης (EGARCH models, Nelson, 1991). Παρουσιάζονται οι ιδιότητες των υποδειγμάτων αυτών και τα πλεονεκτήματά τους και γίνεται αντιληπτό ότι τα υποδείγματα αυτά ‘συλλαμβάνουν’ τα χαρακτηριστικά των αποδόσεων επαρκώς και αποτελούν μία αξιόπιστη προσέγγιση στην ανάλυση χρηματοοικονομικών δεδομένων και στην εμπειρική εφαρμογή τους σε χρηματοοικονομικά προβλήματα. Ένα μεγάλο μέρος της σύγχρονης χρηματοοικονομικής θεωρίας στηρίζεται στην έννοια του κινδύνου των χρηματοοικονομικών   στοιχείων,   ο   οποίος   εκφράζεται   μέσω   της   διακύμανσης.

Επομένως, η μοντελοποίηση της διακύμανσης των  χρηματοοικονομικών  στοιχείων είναι ιδιαίτερα σημαντική αφού επηρεάζει τις αποφάσεις που λαμβάνονται σε χρηματοοικονομικές εφαρμογές, όπως η αξιολόγηση της επίδοσης των διαχειριστών κεφαλαίων, η επιλογή του βέλτιστου χαρτοφυλακίου, η διαχείριση του κινδύνου, η τιμολόγηση παράγωγων χρηματοοικονομικών προϊόντων και αλλού.
• Εισάγονται και αναπτύσσονται πολυμεταβλητά υποδείγματα που αφορούν την μοντελοποίηση των αναμενόμενων αποδόσεων και των χρονικά μεταβαλλόμενων διακυμάνσεων-συνδιακυμάνσεων των αποδόσεων των  χρηματοοικονομικών δεδομένων (multivariate factor models, multivariate ARCH-GARCH models). Η στατιστική ανάλυση χρηματοοικονομικών δεδομένων ασχολείται με την εκτίμηση και αξιολόγηση πολυμεταβλητών υποδειγμάτων, την διερεύνηση των σχέσεων και αλληλεξαρτήσεων που υπάρχουν μεταξύ των μεταβλητών που μας ενδιαφέρει να μελετήσουμε, και αποβλέπει στην  αξιόπιστη εφαρμογή τους σε χρηματοοικονομικά προβλήματα,  όπως  η  κατασκευή  χαρτοφυλακίου  (optimal  portfolio  construction),  η
διαχείριση κινδύνου (risk management), η αποτίμηση των χρηματοοικονομικών στοιχείων (asset pricing).
• Παρουσιάζονται υποδείγματα πρόβλεψης των χρηματοοικονομικών στοιχείων και νέες τεχνικές συνδυασμού προβλέψεων (combinations of forecasts).
• Εισάγεται η έννοια του κινδύνου, και παρουσιάζονται κάποια βασικά μέτρα εκτίμησης του κινδύνου που έχουν προταθεί στη βιβλιογραφία.
• Γίνεται εφαρμογή των οικονομετρικών υποδειγμάτων στα εμπειρικά χρηματοοικονομικά προβλήματα με την χρήση του προγράμματος R.



Δομή του Προγράμματος


Η ύλη που θα καλυφθεί χωρίζεται σε έξι μέρη (Units) διάρκειας τριών ωρών το κάθε ένα, και παρουσιάζεται με την εξής δομή:

Unit 1: Introduction - Portfolio Theory
Introduction to Course. Mean-Variance Portfolio Theory. Return and risk. Portfolio diversification. Construction of optimal portfolios. Basic empirical application using R.

Unit 2: Performance Evaluation
Performance Evaluation of Financial Assets. Capital asset pricing model. Treynor measure. Sharpe measure. Jensen’s alpha. Multifactor models. Alternative measures. Empirical application using R.

Unit 3: Time Series Models of Heteroscedasticity
Characteristics of Financial Data. Fat tails. Volatility clustering phenomenon. Leverage effect. Heteroskedasticity Models. ARCH, GARCH and EGARCH models. Properties of time-varying models. Estimation of heteroskedastic models. Illustration of estimating GARCH-type models to financial time series using R.

Unit 4: Multivariate multifactor models
Multivariate Factor models. Single index models. General multivariate multifactor model. Empirical application using R.

Unit 5: Multivariate Heteroscedasticity models
Multivariate Heteroskedasticity Models. Multivariate ARCH/GARCH models. Constant conditional correlation model. Empirical application using R.

Unit 6: Risk Measures
Forecasting Models. Combination of Forecasts. Risk Measures. Value at Risk. Expected Shortfall. Empirical application using R.


Σε Ποιους Απευθύνεται το Πρόγραμμα

Απευθύνεται σε υποψήφιους διδάκτορες, μεταπτυχιακούς φοιτητές, απόφοιτους στατιστικής, μαθηματικών, οικονομικών και χρηματοοικονομικών σχολών και άλλων αντικειμένων που εργάζονται στο χώρο της εφαρμοσμένης χρηματοοικονομικής και συναφών επιστημών και χρειάζονται εργαλεία για την οικονομετρική - στατιστική ανάλυση των οικονομικών και χρηματοοικονομικών δεδομένων. Επίσης απευθύνεται σε χρηματοοικονομικούς αναλυτές, αναλογιστές, στατιστικούς αναλυτές, και αναλυτές συμβουλευτικών εταιρειών.


Μεθοδολογία εκπαίδευσης -  Διδακτικό Υλικό

Θα γίνονται διαλέξεις με χρήση laptop και προβολικού. Οι συμμετέχοντες θα έχουν το δικό τους υπολογιστή/laptop ώστε να μπορούν να ακολουθούν τον εισηγητή. Θα διανεμηθούν αναλυτικές διαφάνειες της ύλης των θεματικών ενοτήτων στην Αγγλική γλώσσα και κώδικες προγράμματος R με τις βασικές εφαρμογές κάθε θεματικής ενότητας.


Διδακτικό προσωπικό
Ιωάννης Βρόντος (Athens University of Economics and Business) Σπυρίδων Βρόντος (University of Essex)

Κόστος Προγράμματος
Τα δίδακτρα καλύπτονται από ατομική συμμετοχή που ανέρχεται στο ποσό των €300, και θα υπάρχει εκπτωτική πολιτική για προπτυχιακούς φοιτητές της τάξεως του 30%.

Επιστημονικός Υπεύθυνος:
Ιωάννης Βρόντος, Αναπληρωτής Καθηγητής, Οικονομικό Πανεπιστήμιο Αθηνών

Πέτρος Καλκάνης Υπεύθυνος ΚΕΚ/ΟΠΑ Τηλ.: 210-82-03-914
e-mail: petrosk@aueb.gr

Επικοινωνία: Πραχαλιάς Χρυσοβαλάντης
Υπεύθυνος Υλοποίησης Προγραμμάτων
Τηλ.: 210.82.03.916
e-mail: valadisp@aueb.gr


Γεωργαντζή Ελένη Υπεύθυνη Γραμματείας Τηλ.: 210.82.03.913
e-mail: elgeorgantzi@aueb.gr

Ioannis Vrontos is Associate Professor at the Department of Statistics of Athens University of Economics and Business (AUEB). He holds a BSc, MSc and PhD from AUEB. His research interests include Modeling of Time Series, Financial Econometrics, Optimal Asset Portfolio Allocation, and the analysis of Mutual and Hedge Funds. His work has been published in internationally recognized academic journals such as the Journal of Business and Economic Statistics, Econometric Reviews, Econometric Journal, Journal of Banking and Finance, Journal of Empirical Finance, Journal of Asset Management. Professor Vrontos has received funding from professional as well as academic institutions and has been member of the research group in different research projects, such as INQUIRE UK (funded research project for hedge fund predictability), Systemic Risk Tomography (SYRTO) Project, Excellence II, among several others.

Spyridon Vrontos is Senior Lecturer in Actuarial Science in the Department of Mathematical Sciences, University of Essex. He also serves as Course Director for the BSc in Actuarial Science and the MSc in Actuarial Science. Spyridon was the recipient of the Charles A. Hachemeister Prize of Casualty Actuarial Society. Spyridon's research on Asset Liability Management in a Time Varying Volatility Environment was funded based on the Research Grant Competition from the Society of Actuaries. His principal research is concerned with actuarial modeling, design of optimal bonus -malus systems, asset - liability management for pension funds, performance measurement for pension funds, hedge funds and mutual funds, predictability of financial time series and risk management. His publications have appeared in internationally recognized academic journals such as Journal of Banking and Finance, Journal of Empirical Finance, Journal of Forecasting, Journal of Asset Management, Scandinavian Actuarial Journal and ASTIN Bulletin. Spyridon's consulting work include Funds Performance Evaluation and Funds of Funds, Valuation and Funding of Pension Funds and of Employee Benefits based on IAS, Ratemaking and Bonus Malus Systems.
avatar
grstats

Posts : 661
Join date : 21/10/2009

http://stat-athens.aueb.gr/~grstats/

Επιστροφή στην κορυφή Πήγαινε κάτω

Επισκόπηση προηγούμενης Θ.Ενότητας Επισκόπηση επόμενης Θ.Ενότητας Επιστροφή στην κορυφή


 
Δικαιώματα σας στην κατηγορία αυτή
Δεν μπορείτε να απαντήσετε στα Θέματα αυτής της Δ.Συζήτησης