پوشش بهینه ریسک چندکی مبتنی بر تغییر رژیم مارکوف در قرارداد آتی سکه

الموضوعات :

سیدمحمدرضا داودی ¹ , مرضیه کرمی چمگردانی ² , سید امیر رضا هاشمی ³

1 - گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران.
2 - گروه مالی، دانشگاه یزد، یزد، ایران.
3 - گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران.

تاريخ الإرسال : 08 الأحد , جمادى الثانية, 1444 تاريخ التأكيد : 13 الثلاثاء , رمضان, 1444 تاريخ الإصدار : 04 الخميس , ذو الحجة, 1444

الکلمات المفتاحية: قرارداد آتی, رگرسیون چندکی, نسبت بهینه پوشش ریسک, تغییر رژیم مارکوف,

ملخص المقالة :

هدف: یکی از مهم‌ترین نقش‌های بازار آتی‌ها، فراهم‌کردن ابزاری برای پوشش ریسک است. استراتژی بهینه برای پوشش ریسک از طریق تخمین نسبت پوشش ریسک، مشخص می‌شود. محاسبه نسبت پوشش ریسک و همچنین میزان اثربخشی پوشش به‌تصریح درست رابطه بین قیمت آتی‌ها و قیمت نقطه‌ای بستگی دارد. ازاین‌رو، هدف پژوهش حاضر، برآورد نسبت بهینه پوشش ریسک در چندک‌‌های مختلف در دو حالت کم نوسان و پر نوسان با استفاده از مدل رگرسیون چندکی مبتنی بر تغییر رژیم مارکوف می‌باشد..روش‌شناسی پژوهش: شیب حاصل از رگرسیون چندکی باوجود تغییر رژیم مارکوف، به‌عنوان نسبت بهینه پوشش ریسک انتخاب ‌می‌شود که البته به چندک انتخابی وابسته است و دو حالت برای مدل رگرسیون چندکی اتخاذ ‌می‌شود که متناسب با نوسان کم‌وزیاد در نظر گرفته‌شده است.یافته‌ها: نتایج پژوهش بر روی 5 قرارداد آتی سکه در بازه 1393 تا 1397‌‌ نشان‌‌ می‌دهد که در سه بازار معمولی (ترکیبی)، کم نوسان و پرنوسان، پوشش ریسک توانسته است ریسک را به میزان حداقل 20 درصد کاهش دهد. در بازار پر نوسان نسبت بهینه پوشش ریسک در تمام چندک‌ها حداقل به میزان 23 درصد کاهش نوسان (با معیار میانگین مربعات خطا)‌ داشته است و‌‌ چندک 0/95 بهترین عملکرد را از لحاظ بیشترین کاهش نوسان و کمترین نسبت پوشش ریسک دارد. در بازار کم نوسان نسبت بهینه پوشش ریسک در تمام چندک‌ها حداقل به میزان 58 درصد کاهش نوسان داشته است و‌‌ چندک 0/05 بهترین عملکرد را از لحاظ بیشترین کاهش نوسان و کمترین نسبت پوشش ریسک دارد. در بازار ترکیبی نیز‌‌ نسبت بهینه پوشش ریسک به میزان 21 درصد کاهش نوسان داشته است.اصالت / ارزش‌افزوده علمی: نتایج این پژوهش علاوه بر توسعه ادبیات مربوط پوشش ریسک به تمام ذی‌نفعان و استفاده‌کنندگان کمک می‌کند تا میزان توجه به موضوع پوشش ریسک را مورد ارزیابی قرار دهند.

المصادر:

Abounoori, E., & Tour, M. (2019). Estimation of Risk Hedge Ratio, Optimal Weight and Volatility Spillover Effects in the Stock Market of Iran, USA, Turkey, and UAE. Iranian Journal of Economic Research, 24 (81), 135-156. [In Persian]

Aleali, S., Emamverdi, G., Abounoori, A. A., & Ghiasvand, A. (2021). Estimating the optimal hedge ratio of energy commodities. The Journal of Economic Policy, 12(24), 369-400. [In Persian]

Allen, D. E., Chang, C., McAleer, M., & Singh, A. K. (2018). A cointegration analysis of agricultural, energy and bio-fuel spot, and futures prices. Applied Economics, 50 (7), 804-823.‏

Amjadi, A., Hosseini Yekani, S. A., & Ahmadi Kaliji, S. (2017). The Role of Agricultural Commodity Exchange on Hedging (Case Study: Selected Agricultural Product). Agricultural Economics and Development, 25 (2), 1-17.

Baillie, R. T., & Myers, R. J. (1991). Bivariate GARCH estimation of the optimal commodity futures hedge. Journal of Applied Econometrics, 6 (2), 109-124.‏

Blomvall, J., & Hagenbjörk, J. (2022). Reducing transaction costs for interest rate risk hedging with stochastic programming. European Journal of Operational Research, 302 (3), 1282-1293.‏

Eskandari, H., Anvary Rostamy, A. A., & Husseinzadeh Kashan, A. (2016). Risk hedging by use of Hybrid future contracts index (Case: Iran financial market). Financial Engineering and Portfolio Management, 7 (28), 55-72. [In Persian]

HongXing, Y., Naveed, H. M., Memon, B. A., Ali, S., Haris, M., Akhtar, M., & Mohsin, M. (2023). Connectedness between currency risk hedging and firm value: A deep neural network-based evaluation. Computational Economics, 1-40.‏

Lien, D., Shrestha, K., & Wu, J. (2015). Quantile estimation of optimal hedge ratio. Journal of Futures Markets, 36 (2), 194-214.‏

Lien, D., Wang, Z., & Yu, X. (2021). Optimal quantile hedging under Markov regime switching. Empirical Economics, 60, 2177-2201.‏

Naeimzadeh, A., Mousavim S., Neshat, N. (2023). Assessing the role of the Gold and US dollar as a safe haven and risk hedge of the Iran stock market during Covid-19 pandemic and earlier. Financial and Economic Policy Quarterly, 10 (40), 133-154. [In Persian]

Qashqai, E., Salehi, A. K., & mahmoodirad, A. (2023). Investigating the contrarian trading strategy performance in the Tehran stock exchange based on the firm's risk criteria. Advances in Finance and Investment, 4 (1), 115-140. [In Persian]

Rakpho, P., Yamaka, W., & Sriboonchitta, S. (2018). Which quantile is the most informative? Markov switching quantile model with unknown quantile level. Journal of Physics: Conference Series, 1053, 012121.

Samavi, M. E., Nikoomaram, H., Madanchi Zaj, M., & Yaghoobnezhad, A.  (2022). Dynamic GAS Based Modeling for Predicting and Assessing the Value at Risk of Tehran Stock Exchange Index and Bitcoin. Advances in Finance and Investment, 3 (7), 95-120. [In Persian]

Seifoddini, J., & Rahnamay Roodposhti, F. (2019). Gold as a Safe Haven for Tehran Stock Exchange: A Regime Switching Approach. Financial Knowledge of Securities Analysis, 11 (40), 147-160. [In Persian]

Wang, Y., Geng, Q., & Meng, F. (2019). Futures hedging in crude oil markets: A comparison between minimum-variance and minimum-risk frameworks. Energy, 181, 815–826.