نسبت بهینه پوشش ریسک ارز با استفاده از قرارداد آتی طلا در بازار مالی ایران
محورهای موضوعی : مهندسی مالی
کلید واژه: قرارداد آتی, پوشش متقاطع ریسک ارز, نسبت بهینه پوشش ریسک حداقل واریانس, کارایی پوشش ریسک, مدلهای اقتصادسنجی,
چکیده مقاله :
در این پژوهش امکان پوشش متقاطع ریسک نرخ ارز (دلار) با استفاده از شاخص میانگین وزنی معاملات قراردادهای آتی سکه بهار آزادی مورد معامله در شرکت بورس کالای ایران مورد بررسی قرار گرفته است. نسبت بهینه پوشش ریسک حداقل کننده واریانس با استفاده از رهیافت‌های مختلف اقتصادسنجی برای حالت‌های درون‌نمونه‌ای و برون‌نمونه‌ای برآورد شد و مورد مقایسه قرار گرفت. نتایج برآورد مدل‌ها حاکی از آن است که یک رابطه معنادار بین شاخص آتی طلا که به عنوان قیمت آتی در نظر گرفته‌شده و نرخ ارز وجود دارد. به عبارت دیگر شاخص آتی طلا دارای توانایی کاهش ریسک ارز است. علاوه بر این نتایج نشان‌دهنده این است که نرخ پوشش ریسک درون‌نمونه‌ای و برون‌نمونه‌ای محاسبه شده با استفاده از دو مدل رگرسیون خطی معمولی و مدل خود رگرسیون برداری یکسان شده و در نتیجه کارایی این دو مدل یکسان است. نتیجه مهم دیگر این است که مدلهای پیچیده گارچ برداری مرتبه اول در این مسئله باعث بهبود نتایج و افزایش کارایی مدل‌ها نشد.
* برنجی مهدیار. طراحی استراتژی معاملاتی در بورس کالای ایران بر مبنای رابطه پیشرو-پسرو بین شاخص آتی و قیمت نقد سکه طلا. دانشگاه تهران. 1392
* خدادادیان بنفشه. پوشش ریسک نفت با استفاده از قراردادهای آتی. دانشگاه تربیت مدرس.1389
* سوری علی. تحلیل سری های زمانی.چاپ اول. انتشارات نص.1389
* صالح‌آبادی علی، سیاح سجاد. مبانی مهندسی مالی و مدیریت ریسک.گروه رایانه تدبیرپرداز.1384
* میرزاپور باباجان اکبر، بهرامی جاوید. نسبت بهینه پوشش ریسک در قراردادهای آتی سکه بهار آزادی مورد معامله در بورس کالای ایران. فصلنامه پژوهش‌ها و سیاست‌های اقتصادی.1391.
* صادقی مهدی، شوالپور سعید. اقتصادسنجی سریهای زمانی با رویکرد کاربردی.چاپ سوم.جلد دوم. انتشارات دانشگاه امام صادق(ع).1391
* نوفرستی محمد. ریشه واحد همجمعی در اقتصادسنجی. چاپ اول. موسسه خدمات فرهنگی رسا.1387.
* ADAMS, Z. & GERNER, M. 2012. Cross hedging jet-fuel price exposure. Energy Economics, 34, 1301-1309.
* CHEN, S.-S., LEE, C.-F. & SHRESTHA, K. 2003a. Futures hedge ratios: a review. The Quarterly Review of Economics and Finance, 43, 433-465.
* GEPPERT, J. M. 1995. A statistical model for the relationship between futures contract hedging effectiveness and investment horizon length. Journal of Futures Markets, 15, 507-536.
* GLANTZ, M. & KISSELL, R. 2014. Multi-Asset Risk Modeling Techniques for a Global Economy in an Electronic and Algorithmic Trading Era, San Diego, USA, Elsevier Inc.
* GUPTA, S. 2006. Financial Derivaives,Theory, Concepts and problems, India, Prentice-Hall of India.
* KOSTIKA, E. & MARKELLOS, R. N. 2012. Optimal Hedge Ratio Estimation and Effectiveness Using ARCD. Journal of Forecasting, 10, 1002-1016.
* MULLER, A. F. A. A. & NOLTE, I. 2011. Cross hedging under multiplicative basis risk. Journal of Banking & Finance, 35, 2956-2964.
* PRADO, M. M. L. D. & LEINWEBER, D. 2012. Advances in cointegration and subset correlation hedging methods. Journal of Investment Strategies, 1, 67-115
* RUTLEDGE, D. J. S. 1972. Hedging Demad for Futures Contracts:A Theoretical Framework with Applications the United State Soybean Complex. Food Research Institute Studies, 11, 237-256
* TSAY, R. S. 2005. Analysis of Financial Time Series, Hoboken, New Jersey, John Wiley & Sons, Inc.
* YANG, W. 2001. M-GARCH Hedge Ratios and Hedging Effectiveness in Austrulia Futures Markets. Accounting and Finance, 45, 301.
* YAO, Z. & WU, H. 2012. Financial Engineering Estimation of Minimum Risk Hedge Ratio. Systems Engineering Procedia, 3, 187-193.