مقایسه ارزش در معرض ریسک سهام تهران با بازارهای سهام بین المللی با استفاده از نظریه ارزش فرین شرطی

محورهای موضوعی : اقتصاد مالی

شهرام بابا لویان ¹ (دانشجوی دکترای مدیریت مالی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران،)
هاشم نیکو مرام ² (استاد، مدیریت بازرگانی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران)
حمیدرضا وکیلی فرد ³ (دانشیار، مدیریت بازرگانی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران)
فریدون رهنمای رود پشتی ⁴ (استاد، مدیریت مالی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران،)

تاریخ دریافت : 1399/04/07 تاریخ پذیرش : 1399/06/11 تاریخ انتشار : 1399/09/01

کلید واژه: ارزش در معرض ریسک, G32, ریزش مورد انتظار, رویکرد فراتر از آستانه, نظریه ارزش فرین شرطی. طبقه بندی JEL:G12,

چکیده مقاله :

در پژوهش حاضر با استفاده از نظریه ارزش فرین شرطی[i]، ارزش در معرض ریسک سهام تهران با بازارهای بین‌المللی سهام مقایسه و میزان ریزش مورد انتظار آنان ارزیابی شده است. نتایج پژوهش با استفاده از بازده روزانه لگاریتمی هر یک از شاخص ها در یک دوره 10 ساله، نشان می دهد که سنجه های ارزش در معرض ریسک و ریزش مورد انتظار شاخص بازار مالی دبی و شاخص بورس اوراق بهادار تهران، به ترتیب بیشترین و کمترین مقدار را در دنباله چپ و در دنباله راست به خود اختصاص داده اند. نتایج تحقیق نشان می دهد دنباله چپ و دنباله راست توزیع بازدهی شاخص ها، پهن و متراکم استIn this research, the VaR and ES measures is estimated and compared for Tehran security exchange (TSE) and international stock markets by using the conditional EVT based peaks over threshold (POT). In order to obtain independent data, we use a vector autoregressive (VAR) and GARCHmodel to filter out any serial correlation and heteroskedasticity. Our data are the logarithmic daily returns for the period 2006-2015.We find that the Dubai financial market (DFMG) has the highest VaR and ES for both the lower tail and upper tail. In contrast, the Tehran security Exchange (TSE) has the lowest VaR and ES for both tails. Also, except to DFMG index, Shape parameter (ξ) is positive for both tails of all indicies and indicate that tails on both sides of the return distribution are heavy.

منابع و مأخذ:

فهرست منابع

1)     پویانفر، احمد و سید حمید موسوی (1395). تخمین ارزش در معرض ریسک داده‌های درون‌روزی با رویکرد EVT-COPULA. مدلسازی ریسک و مهندسی مالی، دوره 1، شماره 2، 144-129.

2)     راعی، رضا و علی سعیدی (1383(. "مبانی مهندسی مالی و مدیریت ریسک". تهران، سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه‌ها (سمت).

3)     زمانی، شیوا، اسلامی بیدگلی، سعید و معین کاظمی (1392). محاسبه ارزش در معرض ریسک شاخص بورس اوراق بهادار تهران با استفاده از نظریه ارزش فرین. فصلنامه بورس اوراق بهادار، دوره 6، شماره 21، 136-115.

4)     سارنج، علیرضا و مرضیه نوراحمدی (1396). رتبه‏بندی آماری مدل‏های مختلف ارزش در معرض ریسک و ریزش مورد انتظار با استفاده از رویکرد مجموعه اطمینان مدل (MCS) برای صنعت بانکداری: با تاکید بر رویکرد ارزش فرین شرطی. مهندسی مالی و مدیریت اوراق بهادار، دوره 8 شماره 30، 146-131.

5)     عبده‏تبریزی، حسین و میثم رادپور (1388). " اندازه گیری و مدیریت ریسک بازار: رویکرد ارزش در معرض ریسک". تهران: پیشبرد.

6)      فلاح‏پور، سعید و مهدی یاراحمدی (1391). برآورد ارزش در معرض ریسک با استفاده از تئوری مقدار حدی در بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار، دوره 4 شماره 13، 122-103.

7)     فلاح‏پور، سعید و ثمینه فیض‏‏آله. (1395). انتخاب پرتفوی سهام با استفاده از وابستگی دنباله پایینی و تئوری مقدار حدی.  دانش مالی تحلیل اوراق بهادار، سال نهم، شماره 30، 54-33.

8)     کریمی، مجتبی، صراف، فاطمه و قدرت اله امام وردی، (1398). کهمبستگی شرطی پویای نوسانات قیمت نفت و بازار سهام کشورهای حوزه خلیج فارس با تاکید بر سرایت بحران مالی. فصلنامه اقتصاد مالی. دوره 13. شماره 49، 130-101.

9)     منجذب، محمدرضا و میثم علی‏محمدی (1393). دامنه مجاز نوسان در بورس اوراق بهادار تهران: اثرات، ابعاد و تحلیل آن. فصلنامه سیاست‏های مالی و اقتصادی. سال دوم. شماره 7، 72-57.

10) نریمانی، رضا ، حکیمی پور، نادر و اسعداله رضایی، (1392). کاربرد روش شبکه عصبی مصنوعی و مدلهای واریانس ناهمسانی شرطی در محاسبه ارزش در معرض ریسک. فصلنامه اقتصاد مالی. دوره 7. شماره 24، 137-101.

11) هال، جان (1384). " مبانی مهندسی مالی و مدیریت ریسک". ترجمۀ سجاد سیاح و علی صالح آبادی، تهران: گروه رایانه تدبیر پرداز.

12)   Allen, D. E., Singh, A. K., and Powell, R. (2011). Extreme market risk: An extreme value theory approach. Mathematics and computers in simulation, 94, 310-328.

13)   Assaf, A. (2009). Extreme Observations and Risk Assessment in the Equity Markets of MENA Region: Tail Measures and Value-at-Risk. International review of financial analysis, 18(3), 109-116.

14)   Bacon Carl R. (2012). Practical Risk-Adjusted Performance Measurement. New York: John Wiley & Sons Inc.

15)   Chiang Lee, W. (2009). Applying Generalized Pareto Distribution to the Risk Management of Commerce Fire Insurance. Department of Banking and Finance, Tamkang University of Taiwan, 1-16.

16)   Dowd, K., Blake, D., & Andrew C. (2004). Long-Term Value at Risk. Journal of Risk Finance, 5 (2), 52–57.

17)   Fernandez, V. (2003). Extreme Value Theory: Value at Risk and Returns Dependence around the World.  http://www.dii.uchile.cl/~ceges/ public aciones/ ceges51.pdf.

18)   Gencay, R., &Selcuk, F. (2004). Extreme value theory and Value - at - Risk: Relative performance in emerging markets. International Journal of Forecasting, 20(2), 287-03.

19)   Gilli, Manfred and EvisKëllezi. 2006. An Application of Extreme Value Theory for Measuring Financial Risk. Computational Economics, 27(2), 207-228.

20)   Karmakar, M., &Shukla, G.K. (2015). Managingextreme risk in some major stock markets: An extreme value approach. International Review of Economics & Finance, 35, 1-25.

21)   Kittiakarasakun, J. &Tse, Y. (2011). Modeling the Fat Tails in Asian Stock Markets. International review of economics and finance, 20(3), 430-440.

22)   Maghyereh, A. & Al-Zoubi, H. (2006). Value-at-Risk under Extreme Values: The Relative Performance in MENA Emerging Stock Markets. International journal of managerial finance, 2(2), 154-172.

23)   Nieto, M. R., & Ruiz, E. (2016). Frontiers in VaR forecasting and backtesting. International Journal of Forecasting, 32(2), 475-501.

24)   Nortey, E. N., Asare K., & Mettle, O. (2015). Extreme Value Modelling of Ghana Stock Exchange Index. Springer plus, Department of statistics, University of Ghana. 4:696.

25)   Saita, Francesco. (2007). Value at Risk and Bank Capital Management. Amsterdam: Elsevier Academic Press.

26)   Sowdagur V., &Narsoo, J. (2017). Forecasting Value-at-Risk using GARCH and Extreme-Value-Theory Approaches for Daily Returns. International Statistics and Applications, 7(2), 137-151.

27)   Trudel, D. (2008). Tail Dependence of Hedge Funds. Swiss Federal Institute of Technology Zurich, 1-153.

 

یادداشت‌ها