Portfolio risk management through value-at-risk: An empirical study of stocks and bonds

Abstract

Value-at-Risk (VaR) can be defined as the maximum potential loss of a portfolio over a specific period at a given confidence level, and it is considered, nowadays, as the industry standard risk measurement metric. This project aims to measure and manage the VaR of a diversified portfolio including equities and bonds, ensuring the VaR does not exceed a prespecified target value. This work considers four VaR models, RiskMetrics (RM), Skewed Generalized Student-t (SGSt), Historical VaR, and Quantile Regression (QR) VaR to determine the most suitable approach for managing risk. The performance of each VaR model is assessed through Backtesting to understand which model predicts potential losses better. The model with the best Backtesting performance is then used to calculate the portfolio's VaR daily over one year and a hedging strategy is applied to maintain the VaR within the defined target. This project aims to underscore the efficiency of the hedging strategies, the importance of Backtesting to select the best VaR model, and the importance of continually improving risk management tools to better capture extreme market events.

O Value-at-Risk (VaR) pode ser definido como a perda potencial máxima de uma carteira durante um período específico, com um determinado nível de confiança, e é considerado, atualmente, como a métrica de medição de risco padrão do sector. Este projeto tem como objetivo medir e gerir o VaR de uma carteira diversificada que inclui ações e obrigações, garantindo que o VaR não o excede. Este trabalho considera quatro modelos de VaR, RiskMetrics (RM), Skewed Generalized Student-t (SGSt), VaR Histórico e VaR de Regressão Quantílica (QR) para determinar a abordagem mais adequada para a gestão do risco. O desempenho de cada modelo de VaR é avaliado por meio de Backtesting para entender qual modelo prevê melhor as perdas potenciais. O modelo com o melhor desempenho no Backtesting é então utilizado para calcular o VaR diário da carteira ao longo de um ano e é aplicada uma estratégia de cobertura para manter o VaR dentro do objetivo definido. Este projeto visa sublinhar a eficiência das estratégias de cobertura, a importância do Backtesting para selecionar o melhor modelo de VaR e a importância de melhorar continuamente as ferramentas de gestão do risco para melhor captar os eventos extremos do mercado.