انحراف از توزیع نرمال و تاثیر آن بر ارزش در معرض خطر تفاضلی (مورد مطالعه: شرکت های حاضر در صنعت مالی بورس اوراق بهادار)
محورهای موضوعی : دانش مالی تحلیل اوراق بهادارحجت اله صادقی 1 , سمانه دهقان منشادی 2
1 - استادیار دانشگاه یزد، گروه حسابداری و مالی
2 - کارشناسی ارشد مدیریت صنعتی/مالی، مدرس دانشگاه علم و هنر
کلید واژه: ارزش در معرض خطر, ارزش در معرض خطر تفاضلی, رویکرد پیشین و پسین, توزیع نرمال, صنعت مالی بورس اوراق بهادار ته,
چکیده مقاله :
در راستای مدیریت ریسک بازار، بعد از اندازه گیری ارزش در معرض خطر پرتفوی باید به طوردقیق اجزای تشکیل دهنده آن را شناسایی و ریسک پرتفوی را حداقل نمود. در غالب مدل های مالی فرض می شود که توزیع مشاهدات (بازده ها)، نرمال است و بر اساس این توزیع ارزش در معرض خطر و سایر معیار های ریسک بازار محاسبه می شوند. این در حالی است که مشاهدات در واقعیت از توزیع های غیر نرمال پیروی می کنند. بنابراین این پژوهش از معیار ارزش در معرض خطر تفاضلی برای شناسایی میزان تاثیر هریک از اجزای تشکیل دهنده ریسک پرتفوی استفاده نموده است. این معیار ابتدا با فرض نرمال بودن و آن گاه با در نظر گرفتن توزیع واقعی داده ها محاسبه و نتایج این دو وضعیت را مقایسه می کند. قلمرو این پژوهش شامل 42 شرکت حاضر در صنعت مالی بورس اوراق بهادار تهران در طی سال های 1388 تا 1392، است. نتایج نشان می دهد که با استفاده از معیار ارزش در معرض خطر تفاضلی می توان به خوبی تاثیر هر سهم را در ایجاد ریسک پرتفوی، شناسایی نمود وسهم های بهینه را انتخاب نمود. همچنین نتایج موید این نکته است که تحلیل حساسیت یک پرتفوی با استفاده از معیار ارزش در معرض خطر تفاضلی بر اساس توزیع واقعی آن پرتفوی بجای توزیع نرمال، نتایج دقیق تر و قابل اطمینان تری را ایجاد می نماید.
In the most of financial models it’s supposed that distribution of observations is normal and the Value at Risk (VaR) and other criteria of market risk are calculated upon this distribution. This is while observations follow abnormal distributions in reality. So this study calculates Incremental Value at Risk (IVaR) with the assumption of being normal initially and then with regard to real distribution of data and finally compares the results of these two situations. The scope of this study consists of 42 companies present in financial sector of Tehran Stock Exchange during 2009 to 2013.The result show that by using IVaR criterion we can analyze the impact of each stock on creating the risk of portfolio and we can selected the optimal stocks. Also the results confirm this point that analysis of an portfolio’s sensitivity using IVaR criterion and based on that portfolio’s real distribution achieves more accurate and reliable results rather than it’s normal distribution.
* شاهمرادی، ا. و زنگنه، م. (1386). "محاسبه ارزش در معرض خطر برای شاخص های عمده بورس اوراق بهادار تهران با استفاده از روش پارامتریک." تحقیقات اقتصادی(79): 121-150.
* طالب‌نیا، ق. و فتحی، م. (1389). "ارزیابی مقایسه‌ای انتخاب پرتفوی بهینه سهام در بورس اوراق بهادار تهران از طریق مدل های مارکویتز و ارزش در معرض خطر." مطالعات مالی 3(6): 71-94.
* قراچورلو، ن. و انجمن آذری، ا. (1387). مدیریت ریسک تکنیک ها و روش های کاربردی(چاپ اول). تبریز: مهر ایمان.
* مصباحی مقدم، غ. و صفری، م. (1388). "بررسی درآمد حاصل از تحمل ریسک از دیدگاه آموزه‌های اسلامی." اقتصاد اسلامی 9(36): 117-148.
* موسوی، م.، راغفر، ح. و محسنی، م. (1392). "آورد ارزش در معرض خطر سبد سهام با استفاده از روش گارچ کاپولای شرطی." پژوهش های اقتصادی ایران 18(54): 119-154.
* مهدوی، غ. و صمدی، م. (1391). "بررسی مقایسه ای ارزش در معرض خطر با استفاده از روش شبیه سازی مونت کارلوی تعدیل نشده و تعدیل شده (مورد مطالعه: مطالبات بیمه بدنه اتومبیل یک شرکت بیمه)." پژوهشنامه بیمه (صنعت بیمه) 27(1): 49-73.
* نبوی چاشمی، س. ع.، پور بابا گل، ح. و داداش پور عمرانی، ا. (1391). "ارزیابی عملکرد تخمین زننده های ارزش در معرض خطر با استفاده از الگوریتم ژنتیک." دانش سرمایه گذاری 1(1): 13-42.
* هال، ج. (1384). مبانی مهندسی مالی و مدیریت ریسک(ترجمه سجاد سیاح و علی صالح آبادی)(چاپ اول). تهران: گروه رایانه تدبیر پرداز.
* 9. Brooks, C. and G. Persand (2002). "Model choice and value-at-risk performance." Financial Analysts Journal: 87-97.
* 10. Dias, A. (2013). "Market capitalization and Value-at-Risk." Journal of Banking & Finance 37(12): 5248-5260.
* 11. Dowd, K. (2007). Measuring market risk, John Wiley & Sons.
* 12. Garman, M. B. (1998). System and method for determination of incremental value at risk for securities trading, Google Patents.
* 13. Leccadito, A., S. Boffelli, et al. (2014). "Evaluating the accuracy of value-at-risk forecasts: New multilevel tests." International Journal of Forecasting 30(2): 206-216.
* 14. Olson, D. L. and D. Wu (2011). "The impact of distribution on value-at-risk measures." Mathematical and Computer Modelling.