Forecasting value-at-risk considering scheduled events: evidence from the US equities market

Abstract

Previous research has shown that the average stock return surrounding earnings an nouncements is positive and that there is an earnings announcement premium being driven by the overall uncertainty on the results to be disclosed by the quoted company. The higher the uncertainty, the bigger the disagreement between equity analysts, and the higher the volatility leading up to the announcement day for a given stock giving rise to a higher trading volume. Because too much volatility can present risk, it is important to know how to measure it. Value-at-risk (VaR) is a statistic that assesses an asset portfolio’s riskiness by estimating the magnitude of potential financial losses within the portfolio over a given period of time. This dissertation seeks to determine whether the inclusion of earnings announcements as a dummy in VaR models improves estimates given the significant role that corporate events, such as earnings announcements, play in financial markets and the fact that few studies have looked at incorporating such events into VaR models. First, this paper investigated several VaR models and assessed which one better fore casted the VaR by resorting to unconditional and conditional coverage and independence backtests. Second, the earnings indicator variable was added to the better model and both were compared. The results show that the addition of the indicator variable didn’t improve the model significantly. The total number of VaR exceptions decreased while those occur ring during earnings announcement days stayed the same. Moreover, the number of null hypotheses rejected for the conditional test increased, indicating that VaR exceedances were not independent for a greater number of models.

Estudos passados apontam para um retorno médio positivo durante períodos de anúncio de resultados com o prémio de risco derivado de uma maior incerteza acerca dos resultados a serem reportados pelas empresas cotadas. Quanto maior esta incerteza, e quanto maior a discordância entre analistas, maior a volatilidade nos períodos que antecedem o anúncio de resultados devido a um maior volume de ações a serem trocadas. Dada a relação entre volatilidade e risco, é importante entender como o quantificar. O Valor em Risco (VaR) é uma medida estatística que avalia o risco, estimando a magnitude de possíveis perdas de um determindado portfolio durante um certo período de tempo. Dada a significância que os eventos corporativos têm nos mercados financeiros, e a falta de estudos que visam incorporar estes eventos em modelos do VaR, esta dissertação tem como objetivo determinar se a adição dos anúncios de resultados como variável binária melhora as estimativas do valor em risco produzidas pelos modelos. Primeiro, esta dissertação investiga vários modelos estatísticos e avalia qual produz melhores resultados recorrendo aos testes de coberturas incondicional e condicional e de independência. Segundo, a variável binária é adicionada ao modelo que apresentou as melhores estimativas de VaR, sendo os resultados posteriormente comparados com os do modelo original. Os resultados mostram que, a adição da variável de anúncios não melhorou o modelo de forma significativa. O número total de exceções diminuiu mas o número de exceçoes que ocorreram nos dias de anúncio de resultados manteve-se igual. O número de hipoteses nulas rejeitadas aumentou para o teste condicional aumentou, indicando que o número de modelos para quais as exceções sao independentes diminuiu.