• commodity
• egarch
• garch
• gjrgarch
• volatilità

L'elaborato analizza la capacità predittiva dei modelli GARCH sulla volatilità futura di quattro commodity: West Texas Intermediate (WTI), gas naturale Henry Hub (HHGAS), rame e zinco. Utilizzando i modelli GARCH, E-GARCH e GJR-GARCH, l'obiettivo è calcolare il Value at Risk (VaR) per posizioni long e short a livelli di confidenza del 95% e 99%, al fine di compararlo con le serie storiche dei rendimenti. Il lavoro mira a sviluppare uno schema di Risk Assessment efficace anche in periodi di stress, individuato attraverso la selezione di un periodo storico ad elevata volatilità come framework di backtesting. Le performance dei modelli sono valutate tramite i test di Kupiec e Christoffersen, oltre a cinque Loss Functions per una classificazione comparativa. La tesi si articola in quattro capitoli: introduzione teorica, definizione e calcolo del VaR, metodologia e applicazione pratica. È stato individuato che le serie storiche delle commodity risultano adatte all'analisi con modelli autoregressivi, evidenziando una buona capacità predittiva degli stessi, sebbene influenzate da fattori esogeni non modellabili. I modelli basati su distribuzioni non normali risultano superiori rispetto a quelli soggetti ad assunzione di normalità, mentre l’inclusione del leverage effect fornisce solamente dei miglioramenti minimi. Infine, l’analisi suggerisce che finestre di osservazione più ampie offrono stime migliori, ma la flessibilità delle finestre ridotte è generalmente preferibile per un modello cross – commodity.