Did quantitative easing affect interest rates outside the US? New evidence based on interest rate differentials. CEPS Working Document No. 416/January 2016

This paper explores the effects of non-standard monetary policies on international yield relationships. Based on a descriptive analysis of international long-term yields, we find evidence that long-term rates followed a global downward trend prior to as well as during the financial crisis. Comparing interest rate developments in the US and the eurozone, it is difficult to detect a distinct impact of the first round of the Fed’s quantitative easing programme (QE1) on US interest rates for which the global environment – the global downward trend in interest rates – does not account. Motivated by these findings, we analyse the impact of the Fed’s QE1 programme on the stability of the US-euro long-term interest rate relationship by using a CVAR (cointegrated vector autoregressive) model and, in particular, recursive estimation methods. Using data gathered between 2002 and 2014, we find limited evidence that QE1 caused the break-up or destabilised the transatlantic interest rate relationship. Taking global interest rate developments into account, we thus find no significant evidence that QE had any independent, distinct impact on US interest rates.

Macroeconomic Dynamics of Market Risk Capital Requirements and Credit Supply Interdependence

Thesis (Ph.D.)--University of Washington, 2016-06

An asymptotic test for the Conditional Value-at-Risk

Conditional Value-at-Risk (equivalent to the Expected Shortfall, Tail Value-at-Risk and Tail Conditional Expectation in the case of continuous probability distributions) is an increasingly popular risk measure in the fields of actuarial science, banking and finance, and arguably a more suitable alternative to the currently widespread Value-at-Risk. In my paper, I present a brief literature survey, and propose a statistical test of the location of the CVaR, which may be applied by practising actuaries to test whether CVaR-based capital levels are in line with observed data. Finally, I conclude with numerical experiments and some questions for future research.

Risk management for mathematical optimization under uncertainty

We present a general multistage stochastic mixed 0-1 problem where the uncertainty appears everywhere in the objective function, constraints matrix and right-hand-side. The uncertainty is represented by a scenario tree that can be a symmetric or a nonsymmetric one. The stochastic model is converted in a mixed 0-1 Deterministic Equivalent Model in compact representation. Due to the difficulty of the problem, the solution offered by the stochastic model has been traditionally obtained by optimizing the objective function expected value (i.e., mean) over the scenarios, usually, along a time horizon. This approach (so named risk neutral) has the inconvenience of providing a solution that ignores the variance of the objective value of the scenarios and, so, the occurrence of scenarios with an objective value below the expected one. Alternatively, we present several approaches for risk averse management, namely, a scenario immunization strategy, the optimization of the well known Value-at-Risk (VaR) and several variants of the Conditional Value-at-Risk strategies, the optimization of the expected mean minus the weighted probability of having a "bad" scenario to occur for the given solution provided by the model, the optimization of the objective function expected value subject to stochastic dominance constraints (SDC) for a set of profiles given by the pairs of threshold objective values and either bounds on the probability of not reaching the thresholds or the expected shortfall over them, and the optimization of a mixture of the VaR and SDC strategies.

Análisis de los métodos multivariantes para medir el riesgo en una cartera

A la hora de estudiar el valor en riesgo de una cartera, el método univariante puede ser considerado como una sobre simplificación de la realidad. Después de haber experimentado la mayor y más larga crisis financiera de la historia, los mercados buscan una manera efectiva de medir el riesgo. En este estudio haremos un repaso de las principales formas de estimar el VaR y CVaR. El objetivo principal es establecer un indicador cualitativo que nos permita comparar entre los diferentes modelos. Los resultados muestran que la simulación histórica ponderada con un GARCH(1,1) optimiza el control del riesgo.

Estrategias de cobertura de carteras e índices de renta variable: el mercado español

En línea con la creciente importancia de la cobertura de riesgos, la eficacia de las diferentes estrategias y las posibilidades de mejorar a través de diferentes modelos estocásticos han sido analizados en un gran número de estudios académicos en diferentes campos, activos financieros, energía, petróleo, etc. La controversia en la literatura sobre estrategias de cobertura se concentra en torno a tres aspectos principals. En primer lugar, una cuestión clave es la elección de la medida de eficacia que va a determinar la función de optimizar. Entre las diferentes medidas propuestas, la reducción de la varianza es el enfoque más simple y común. Muchos autores consideran que otros criterios, como diferentes especificaciones de funciones de utilidad, el riesgo de pérdidas o la variación de la rentabilidad ,se deben tomar en cuenta con el fin de medir la efectividad de cobertura. Estos criterios derivan en diferentes medidas de efectividad de cobertura como el equivalente cierto (CE), Valor en Riesgo (VaR), Valor en Riesgo Condicional (CVaR) o Pérdida Esperada (ES), Momentos parciales inferiores (LPM), semi-varianza, etc. . Un examen de las principales aportaciones de la literatura muestra la falta de uniformidad o resultados concluyentes en favor de una u otra estrategia. En segundo lugar, otro tema importante es la evolución temporal de la relación de cobertura. Hay una controversia en la literatura en cuanto a si la cobertura dinámica, utilizando relaciones que incorporan la nueva información que llega al mercado, es superior a relaciones estáticas, como la cobertura unitaria o la de mínimos cuadrados. En tercer lugar, cuando se trata de estimar los ratios de cobertura, se emplean muchas técnicas diferentes, que van desde los modelos más simples a enfoques dinámicos muy complejos. Sin embargo, no está claro que estos modelos complejos mejoren la eficacia global y en nuestra opinión, no resuelven favorablemente el compromiso entre complejidad y efectividad...