محاسبه ارزش در معرض خطر پرتفوی: کاربرد رهیافت کاپیولا
محورهای موضوعی : مهندسی مالیاسماعیل پیش بهار 1 , سحر عابدی 2
1 - هیات علمی دانشگاه تبریز
2 - دانش آموخته کارشناسی ارشد اقتصاد کشاورزی
کلید واژه: ارزش در معرض خطر چندمتغیره, آزمونهای ارزیابی, روش کاپیولا, بورس صنایع غذایی,
چکیده مقاله :
استفاده از روشهای سنتی تک متغیره در محاسبه ارزش در معرض خطر پرتفوی، به دلیل عدم توجه به همبستگی تغییرپذیر زمانی مولفههای آن باعث برآورد بیشتر یا کمتر از حد ارزش در معرض خطر (VaR) میشود. از طرفی فضای پیچیده بازارهای مالی استفاده از روشهای کاراتری مانند روشهای محاسبه ریسک چند متغیره را ایجاب میکند. بنابراین در پژوهش جاضر سعی شد چهار روش محاسبه ارزش در معرض خطر چندمتغیره برای دو پرتفوی، در بورس صنایع غذایی مورد ارزیابی قرار گیرند. نتایج آزمونهای کریستوفرسن، تابع امتیاز احتمال درجه دوم و ریشه میانگین مجذور خطا نشان داد که روش شبیهسازی مونت-کارلو مبتنی بر کاپیولا (توابع مفصل) در مقایسه با سه روش دیگر نتایج قابل اعتماتری دارد. بنابراین این روش برای بررسی ساختار وابستگی و اندازهگیری ریسک مورد استفاده قرار گرفت و نتایج مربوط به آن نشان داد که حداکثر زیان مورد انتظار در پرتفوی لبنیات در طول یک هفته برابر 01/2 درصد و در پرتفوی شکر برابر 09/1 درصد میباشد.
Due to the fact that traditional univariate approach in portfolio value at risk measurements ignore the time varying correlation between its components, these models underestimate or overestimate value at risk. In addition, complex financial markets make it necessary to use effective approaches, such as multivariate risk measurement. Therefore, in this present study, we tried to evaluate four multivariate value at risk measurement approaches for two portfolios in food industry exchange. The result of Christoffersen, quadratic probability score and root mean squared error tests showed copula-based Monte Carlo approach has more reliable result in comparison with others. Hence, we applied this approach to investigate dependence structure and measure risk, and its result showed the maximum expected loss of dairy portfolio value over a week is 2.01 percent, while for sugar portfolio is 1.09 percent.
_||_