چکیدهبرآورد ریسک بدون در نظر گرفتن عوامل مرتبط و فقط با تمرکز بر روی چند سری معادلات، پیشبینیهای غیرمعمولی را ایجاد میکند. در این مطالعه از اطلاعات یک صفحه بزرگسریهای زمانی و روشی جدید برای برآورد ریسک استفاده نمودیم. این برآورد با استفاده از بازده دادههای روزانه چکیده کامل
چکیدهبرآورد ریسک بدون در نظر گرفتن عوامل مرتبط و فقط با تمرکز بر روی چند سری معادلات، پیشبینیهای غیرمعمولی را ایجاد میکند. در این مطالعه از اطلاعات یک صفحه بزرگسریهای زمانی و روشی جدید برای برآورد ریسک استفاده نمودیم. این برآورد با استفاده از بازده دادههای روزانه سری زمانی 25 شاخص مختلف بورس اوراق بهادار تهران در بازه دهساله از 1387 الی 1397 بر اساس یک مدل عاملی پویای تعمیمیافته (GDFM) انجام شد. ابتدا با استفاده از مدل عاملی پویای توسعهیافته توسط فورنی و همکاران نسبت به تعیین تعداد عوامل استاتیک و دینامیک مدل عاملی اقدام نموده و در ادامه نوسانات جزء مشترک سریهای تحت مطالعه را با کمک نرمافزار MATLAB فیلتر نموده و بهعنوان ریسک بورس اوراق بهادار تهران برآورد نمودیم. در ادامه از روش حداقل مربعات تعمیمیافته (GLS)، تأثیر ریسکهای فیلتر شده را بر روی بازده شاخص کل بورس موردبررسی قراردادیم. نتایج نشان داد اگر چه ریسکهای برآورد شده از طریق فیلترینگ یکطرفه و فیلترینگ دوطرفه بهصورت معنیداری تغییرات بازده شاخص کل بورس موردمطالعه را توضیح میدهند، اما ریسک برآورد شده از طریق فیلتر دوطرفه با استفاده از مدل عاملی پویای تعمیمیافته، تغییرات بازده را بسیار بهتر از فیلتر یکطرفه با استفاده از همان مدل توضیح میدهد.
پرونده مقاله