Kwantitatief risicobeheer in volatiele markten met een expectiel-gebaseerd raamwerk voor de FTSE-index

Quantitative Risk Management in Volatile Markets with an Expectile-Based Framework for the FTSE Index

July 16, 2025

Auteurs: Abiodun Finbarrs Oketunji

cs.AI

Samenvatting

Dit onderzoek presenteert een raamwerk voor kwantitatief risicobeheer in volatiele markten, met specifieke focus op expectielgebaseerde methodologieën toegepast op de FTSE 100-index. Traditionele risicomaatstaven zoals Value-at-Risk (VaR) hebben aanzienlijke beperkingen getoond tijdens periodes van marktstress, zoals geïllustreerd tijdens de financiële crisis van 2008 en daaropvolgende volatiele periodes. Deze studie ontwikkelt een geavanceerd expectielgebaseerd raamwerk dat de tekortkomingen van conventionele kwantielgebaseerde benaderingen aanpakt door een grotere gevoeligheid voor staartverliezen en verbeterde stabiliteit in extreme marktomstandigheden te bieden. Het onderzoek maakt gebruik van een dataset die twee decennia aan FTSE 100-rendementen omvat, inclusief periodes van hoge volatiliteit, marktcrashes en herstelfasen. Onze methodologie introduceert nieuwe wiskundige formuleringen voor expectielregressiemodellen, verbeterde technieken voor drempelbepaling met behulp van tijdreeksanalyse, en robuuste backtestprocedures. De empirische resultaten tonen aan dat expectielgebaseerde Value-at-Risk (EVaR) consistent beter presteert dan traditionele VaR-maten over verschillende betrouwbaarheidsniveaus en marktomstandigheden. Het raamwerk toont superieure prestaties tijdens volatiele periodes, met verminderd modelrisico en verbeterde voorspellende nauwkeurigheid. Bovendien stelt de studie praktische implementatierichtlijnen op voor financiële instellingen en biedt het evidence-based aanbevelingen voor regelgevende naleving en portefeuillebeheer. De bevindingen dragen significant bij aan de literatuur over financieel risicobeheer en bieden praktische tools voor professionals die te maken hebben met volatiele marktomstandigheden.

English

This research presents a framework for quantitative risk management in volatile markets, specifically focusing on expectile-based methodologies applied to the FTSE 100 index. Traditional risk measures such as Value-at-Risk (VaR) have demonstrated significant limitations during periods of market stress, as evidenced during the 2008 financial crisis and subsequent volatile periods. This study develops an advanced expectile-based framework that addresses the shortcomings of conventional quantile-based approaches by providing greater sensitivity to tail losses and improved stability in extreme market conditions. The research employs a dataset spanning two decades of FTSE 100 returns, incorporating periods of high volatility, market crashes, and recovery phases. Our methodology introduces novel mathematical formulations for expectile regression models, enhanced threshold determination techniques using time series analysis, and robust backtesting procedures. The empirical results demonstrate that expectile-based Value-at-Risk (EVaR) consistently outperforms traditional VaR measures across various confidence levels and market conditions. The framework exhibits superior performance during volatile periods, with reduced model risk and enhanced predictive accuracy. Furthermore, the study establishes practical implementation guidelines for financial institutions and provides evidence-based recommendations for regulatory compliance and portfolio management. The findings contribute significantly to the literature on financial risk management and offer practical tools for practitioners dealing with volatile market environments.