ارزش در معرض خطر شرطی(CVaR) مبتنی بر نظریه مقدار کرانی در پیش بینی وجه تضمین قراردادهای آتی سکه طلا

محورهای موضوعی : مهندسی مالی

میر فیض فلاح شمس ¹ , علی ثقفی ² , علیرضا ناصرپور ³

1 - دانشیار، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران
2 - استاد، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران ، ایران
3 - دانشجوی دکتری مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران

تاریخ دریافت : 1396/02/02 تاریخ پذیرش : 1396/04/11 تاریخ انتشار : 1395/07/01

کلید واژه: ارزش در معرض خطر, ارزش در معرض خطر شرطی, پس آزمایی کریستوفرسن, مدل پارتوی تعمیم یافته, نظریه مقدار کرانی, وجه تضمین,

چکیده مقاله :

در این تحقیق با استفاده از داده‌های قیمت نقدی سکه طلا، در بازه زمانی سال 1387 تا 1394 پس از تخمین مقدار وجه تضمین در قراردادهای آتی با استفاده از مدل‌های ارزش در معرض خطر ورایانس کواریانس مبتنی بر توزیع نرمال و تی استیودنت، پارتوی تعمیم یافته و پارتوی تعمیم یافته سازگار، با آزمون‌های کوپیک و پوشش شرطی کریستوفرسن و همچنین توابع زیان دوم لوپز و بلانکو- ایهل اقدام به پس آزمایی این مدل‌ها شد. همچنین با استفاده از تمامی این رویکردها ارزش در معرض خطر شرطی وجه تضمین قراردادهای آتی پیش بینی شده و به منظور انتخاب مدل برتر ارزش در معرض خطر شرطی، از دو تابع نمره دهی شامل میانگین قدر مطلق خطاها(MAE) و مجذور میانگین مربعات انحراف‌ها (RMSE) استفاده شد. نتایج نشان می دهدکه با توجه به دنباله‌های پهن توزیع تجربی داده‌های نقدی، مدل‌هایی که توان مدلسازی دنباله‌های پهن را دارند از جمله مدل‌های واریانس کواریانس مبتنی بر تی استیودنت و پارتوی تعمیم یافته نتایج مناسبی را در پی دارند. همچنین در سطوح اطمینان پایین تمامی مدل‌ها عملکرد ضعیفی داشته اند.

چکیده انگلیسی:

this study, using gold coins spot price returns, in the period from 2008 to 2016, estimates IME gold coin futures contracts Initial margin, by Value at Risk and ConditionalValue at Risk (CVAR) approaches. It use variance- covariance modeles, based on normal and T-student distributions,  general pareto distribution and adaptive GPD models fore estimating initial margin requerment for futures contracts open positions. Fore VaR moles backtesting, it applies Christoffersen conditonal coverage liklihood ratio(LRcc) test and lopez and Blanco-Ihle loss functions. MAE and RMSE loss functions have been used for Conditional Value at Risk (CVAR) models Evalution. The paper finds that all models have been underperforming in low confidence level and Variance - covariance models based on T-student Distribution and adaptive GPD has outperformed the other models that support the fat tailed nature of gold coin spot price data historical distribution.