برآورد ارزش در معرض ریسک شرطی (CVaR) با استفاده از مدلهای ناهمسانی واریانس شرطی متقارن و نامتقارن در بازار طلا و نفت

محورهای موضوعی : دانش مالی تحلیل اوراق بهادار

سعید فلاح پور ¹ , فاطمه رضوانی ² , محمدرضا رحیمی ³

1 - استادیار مدیریت مالی، دانشکده مدیریت دانشگاه تهران
2 - کارشناس ارشد حسابداری، دانشکده مدیریت دانشگاه تهران
3 - دانشجوی دکتری مدیریت مالی، دانشکده مدیریت دانشگاه تهران

تاریخ دریافت : 1393/03/17 تاریخ پذیرش : 1393/04/25 تاریخ انتشار : 1394/04/01

کلید واژه: ارزش در معرض ریسک, ارزش در معرض ریسک شرطی, مدل‌های خود رگرسیونی ناهمسانی , معیار انسجام, پس‌آزمایی,

چکیده مقاله :

همه روزه خبرهایی از روند تغییر قیمت ها در بازار طلا و نفت منتشر می شود و تحلیلگران از تاثیرپذیری اقتصاد جهانی از نوسانات این دو بازار یاد می کنند. با مشاهده انگیزه سرمایه گذاران داخلی به سرمایه گذاری مستقیم در بازار طلا و امکان سرمایه گذاری در بازار نفت، در پژوهش پیش رو نوسان آتی این دو بازار با استفاده از یکی از پرکاربردترین روش های سنجش ریسک یعنی مدل ارزش در معرض ریسک شرطی برآورد خواهد شد. در پیش بینی این ارزش از بهترین برازش سه مدل ناهمسانی واریانس شرطی متقارن و نامتقارن یعنی GARCH، EGARCH و TGARCH استفاده شده است. تمامی محاسبات با فرض دو توزیع نرمال و تی استودنت انجام شده اند. نتایج نشان می دهند که برآورد ارزش در معرض ریسک شرطی در بازار نفت نسبت به بازار طلا از اعتبار بیشتری برخوردار است. در میان سه مدل ناهمسانی واریانس، معتبرترین برآورد مربوط به ارزش برآوردی با مدل (1,1)TGARCH در توزیع تی استودنت است.

چکیده انگلیسی:

Price volatility on gold and oil market is the top news all the time. Global economy isaffected by those markets volatility. Because of the domestic investor tendency in goldmarket and feasibility of investing on oil by Energy Exchange in Iran, in this paper wefocus on the volatility of gold and oil return. The implemented method is one-day aheadout of sample forecast by the conditional value at risk.The goal of this paper is to answer which of the models; GARCH, ECHARCH, andTARCH is best at forecasting the CVaR for gold and oil return. We estimate the value byassuming normal and t-student distribution.The results show that the TGARH(1,1) model specifications are good option forforecasting the CVaR in oil market by t-student distribution