بررسی مدل های سنجش ریسک سیستمیک و انتخاب رویکرد بهتر در مؤسسات مالی ایران

الموضوعات : دانش سرمایه‌گذاری

مجید نوروزی ¹ , حمیدرضا کردلویی ² , رضا غلامی جمکرانی ³ , حسین جهانگیرنیا ⁴

1 - دانشجوی دکتری مدیریت مالی، واحد قم، دانشگاه آزاد اسلامی، قم، ایران.
2 - گروه مدیریت و حسابداری، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران.
3 - گروه حسابداری و مالی، واحد قم، دانشگاه آزاد اسلامی ، قم، ایران.
4 - گروه حسابداری و مدیریت مالی، واحد قم، دانشگاه آزاد اسلامی، قم، ایران.

تاريخ الإرسال : 08 الأحد , ربيع الأول, 1442 تاريخ التأكيد : 29 الأربعاء , جمادى الأولى, 1442 تاريخ الإصدار : 08 السبت , ربيع الأول, 1445

الکلمات المفتاحية: کسری نهایی مورد انتظار (MES), ریسک سیستمیک, پیش‏بینی برون نمونه‏ای. همبستگی شرطی پویا (DCC),

ملخص المقالة :

ریسک سیستمیک به خطر شکست سیستم مالی یا شکست کل بازار اطلاق می‌شود. این ریسک می‌تواند از بی‌ثباتی یا بحران در مؤسسات مالی نشأت بگیرد و در اثر سرایت به کل نظام مالی انتقال یابد. به‌عبارتی ریسک سیستمیک به میزان به‌ هم‌پیوستگی در یک سیستم مالی اشاره دارد جایی‌که شکست در یک نهاد مالی می‌تواند به بحران کل سیستم منجر شود. این تحقیق با توجه به رویکردهای مختلف جهت اندازه گیری ریسک سیستمیک به دنبال انتخاب رویکرد بهتر برای اندازه گیری ریسک سیستمیک است. انتخاب رویکرد بهتر با توجه به خطای پیش بینی ارائه شده توسط هریک از مدل ها است. مدل‌های به کار گرفته شده اعم از مدل های گارچی چند متغیره، مدل ارائه شده توسط برانلس و انگل به نام VCT، مدل های عاملی ، مدل های آماری دومتغیره است. نتایج تحقیق نشان می دهد که مدل پیشنهادی برانلس و انگل (VCT) خطای کمتری را نسبت به سایر مدل ها از خود نشان داده است.

المصادر:

بودی، ز.، کین، ا.، مارکوس، ا. ) 1384 (. مدیریت سرمایه گذاری جلد اول. شریعت پناهی، م،. فرهادی، ر،. ایمنی
فر، م. تهران. انتشارات بورس
 Acharya, V., , Pedersen, L., Philippe, T., and Richardson, M. (2010). Measuring systemic risk. Technical report, Department of Finance, NYU.
 Bekaert, G., Hodrick, R. J., and Zhang, X. (2013). Aggregate idiosyncratic volatility. Journal of Financial and Quantitative Analysis, forthcoming.
 Brownlees, C.T., Engle, R., 2012. Volatility, correlation and tails for systemic risk measurement. Working Paper.
 Engle, R., 2002. Dynamic conditional correlation: a simple class of multivariate generalized autoregressive conditional heteroskedasticity models. J. Bus. Econ. Stat. 20, 339- 350.
 Hautsch, N., Schaumburg, J., and Schienle, M. (2010). Quantifying time–varying marginal systemic risk contributions. Technical report.

_||_