Risk Estimation on High Frequency Financial Data: Empirical Analysis of the DAX 30

فلوریان جاکوبز با مطالعه توانایی مدل پایدار دمای معمولی (NTS) برای برازش ویژگی‌های آماری داده‌های درون روز در فرکانس نمونه‌گیری 5 دقیقه، تحقیق را بر روی داده‌های فرکانس بالا و همچنین کاربرد مدل‌های پایدار معتدل گسترش می‌دهد. او بازده DAX30 را با استفاده از ARMA-GARCH NTS، ARMA-GARCH MNTS (Multivariate Normal Tempered Stable) و ARMA-FIGARCH (Fractionally Integrated GARCH) NTS بررسی می کند. مدل‌ها از طریق تناسب خوب و VaR و AVaR آن‌ها و همچنین در یک Backtesting تاریخی محک خواهند شد.

By studying the ability of the Normal Tempered Stable (NTS) model to fit the statistical features of intraday data at a 5 min sampling frequency, Florian Jacobs extends the research on high frequency data as well as the appliance of tempered stable models. He examines the DAX30 returns using ARMA-GARCH NTS, ARMA-GARCH MNTS (Multivariate Normal Tempered Stable) and ARMA-FIGARCH (Fractionally Integrated GARCH) NTS. The models will be benchmarked through their goodness of fit and their VaR and AVaR, as well as in an historical Backtesting.