بیثباتیهای اقتصادی در سالهای اخیر و به دنبال آن ایجاد تغییرات سریع در فضای حاکم بر بازارهای مالی، ریسک اکثر بنگاهها و موسسات مالی را افزایش داده است، به گونهای که مدیران ریسک نگران کاهش ارزش داراییهای خود در طی روزهای آتی میباشند. در مطالعات اخیر برای اندازهگیر أکثر
بیثباتیهای اقتصادی در سالهای اخیر و به دنبال آن ایجاد تغییرات سریع در فضای حاکم بر بازارهای مالی، ریسک اکثر بنگاهها و موسسات مالی را افزایش داده است، به گونهای که مدیران ریسک نگران کاهش ارزش داراییهای خود در طی روزهای آتی میباشند. در مطالعات اخیر برای اندازهگیری و پیشبینی ریسکهای موجود در بازارهای مالی از سنجهی ارزش در معرض ریسک شرطی استفاده شده است. از همین رو در این پژوهش تلاش شده است تا در جهت معرفی، محاسبه و پیادهسازی یک مدل ترکیبی غیرخطی نوین برای پیشبینی ارزش در معرض ریسک شرطی گام برداشته شود، به همین منظور از مدل ترکیبی مبتنی بر تئوری مقدار فرین و روش هموارسازی نمایی هلت-وینترز (HWES-EVT) که علاوه بر پویایی و ویژگیهای خوشهای، دنباله پهنی دادهها را نیز در نظر میگیرد به پیشبینی ارزش در معرض ریسک شرطی شاخص صنعت و شاخص کل بورس اوراق بهادار تهران پرداخته شده است. جهت بررسی و ارزیابی عملکرد روش ترکیبی پیشنهادی، این روش با روش مرسوم GARCH-EVT به وسیله سه آزمون پسآزمایی مقایسه شده است. نتایج حاصل شده نشان از آن دارد که رویکرد ترکیبی پیشنهادی جواب دقیقتری نسبت به روش مرسوم در پیشبینی ارزش در معرض ریسک شرطی برای شاخصهای مذکور از خود ارائه میدهد.
تفاصيل المقالة
کمّیت بخشی به عدم اطمینان یکی از مهمترین موضوعات در مباحث مالی می باشد، بطوریکه امروزه هر فعالیت مالی و سرمایه گذاری مستلزم ارزیابی و مدیریت ریسک است. از آنجایی که ارزش در معرض ریسک (VaR) در سال 1988 به عنوان معیار سنجش ریسک توسط مؤسسات بینالمللی برگزیده شد، استفاده ا أکثر
کمّیت بخشی به عدم اطمینان یکی از مهمترین موضوعات در مباحث مالی می باشد، بطوریکه امروزه هر فعالیت مالی و سرمایه گذاری مستلزم ارزیابی و مدیریت ریسک است. از آنجایی که ارزش در معرض ریسک (VaR) در سال 1988 به عنوان معیار سنجش ریسک توسط مؤسسات بینالمللی برگزیده شد، استفاده از آن عمومیت یافته است. پیش بینی دقیق VaR معیار ارزیابی مناسبی را در تصمیمگیریهای سرمایه گذاری و مدیریت ریسک فراهم می کند. به علت دنباله پهن بودن اکثر سریهای زمانی مالی، تئوری مقدار فرین (EVT) ابزاری قدرتمند در تعیین VaR با تمرکز بر شکل توزیع های احتمالیِ دنباله پهن می باشد. در این مقاله رویکرد فراتر از آستانه را در پیش بینی ارزش در معرض ریسک شاخص کل بورس اوراق بهادار تهران بکار می گیریم و نتایج این روش را با نتایج حاصل از دیگر رویکردها شامل روش خود رگرسیونی مشروط بر ناهمسانی واریانس، شبیه سازی تاریخی و واریانس-کوواریانس مقایسه می کنیم. نتایج تحقیق نشان می دهد که استفاده از این رویکرد در سطوح اطمینان بالا قابل اتکا می باشد.
تفاصيل المقالة
تلاش در جهت شناسایی مدل مناسب و بالا بردن دقت اندازه گیری با استفاده از سنجه ارزش در معرض ریسک از اهمیت ویژه ای برخوردار است. ارزش در معرض ریسک شرطی (CVaR) با نداشتن برخی نواقص ارزش در معرض ریسک، سنجه قابل اعتماد تری می باشد. در این پژوهش با مطالعه در خصوص ویژگی های داد أکثر
تلاش در جهت شناسایی مدل مناسب و بالا بردن دقت اندازه گیری با استفاده از سنجه ارزش در معرض ریسک از اهمیت ویژه ای برخوردار است. ارزش در معرض ریسک شرطی (CVaR) با نداشتن برخی نواقص ارزش در معرض ریسک، سنجه قابل اعتماد تری می باشد. در این پژوهش با مطالعه در خصوص ویژگی های داده های شاخص کل بورس اوراق بهادار تهران وکاربرد مدل FIGARCH-EVT در محاسبه ارزش در معرض ریسک شرطی، تصریح دقیق تری حاصل شده است. ابتدا مدل ترکیبی GARCH-EVT پیاده سازی شد و با توسعه آن، به مدل FIGARCH-EVT رسیدیم که خاصیت خوشه ای بودن، پویا بودن و حافظه بلندمدت را در مدل سازی لحاظ نموده است. استفاده از مدل FIGARCH برای داده های بازده لگاریتمی شاخص کل، موجب لحاظ کردن خواص فوق در مدل سازی خواهد شد. بعلاوه، خاصیت دنباله پهن بودن داده های بازده شاخص با استفاده از تئوری مقدار فرین (EVT) برای پسماندهای مدل FIGARCH بکار برده می شود. برای مقایسه نتایج، مدل های NORMAL-GARCH و t-Student-GARCH، شبیه سازی تاریخی و GARCH-EVT نیز برای داده ها بازده شاخص بکار برده شده است. نتایج حاصل از مدل ها با استفاده از آزمون های پسآزمون مورد بررسی و مقایسه قرار گرفته اند. نتایج حاصل از این پژوهش نشان می دهد که توزیع داده ها بازدهی شاخص نامتقارن دارای چولگی بوده و از توزیع نرمال تبعیت نمی کند. بر اساس چهار آزمون جزء اخلال مازاد استانداردشده، فرآیند نقض تجمعی، پس آزمایی ریزش مورد انتظار و تابع زیان لوپز مدل FIGARCH-EVT نسبت به سایر مدل ها از دقت بالاتری برخوردار می باشد.
تفاصيل المقالة
در این پژوهش مدل¬سازی و تخمین ریسک عملیاتی با محوریت روش توزیع زیان، پیاده¬سازی تئوری مقدار فرین و ارائه روشی جدید و ابتکاری برای تخمین حدآستانه دم داده¬های شدت زیان، مبتنی بر مینیمم¬سازی میانگین مربعات خطای برازش توزیع¬های دورفتاری، انجام شده است. ب أکثر
در این پژوهش مدل¬سازی و تخمین ریسک عملیاتی با محوریت روش توزیع زیان، پیاده¬سازی تئوری مقدار فرین و ارائه روشی جدید و ابتکاری برای تخمین حدآستانه دم داده¬های شدت زیان، مبتنی بر مینیمم¬سازی میانگین مربعات خطای برازش توزیع¬های دورفتاری، انجام شده است. با استفاده از داده¬های شدت زیان عملیاتی یکی از بانک¬های اروپایی، برای مدل¬سازی توزیع شدت زیان، توزیع¬های پارامتریک (لوگ نرمال، وایبول، گاما و نمایی)، پارتو تعمیم یافته و ترکیبی از آن¬ها در قالب مدل¬های دورفتاری به کارگرفته شده است. برای اعتبار سنجی مدل¬های برازش شده، آزمون¬های خوبی برازش گرافیکی و عددی با تکنیک شبیه¬سازی مونت کارلو استفاده شده است. همچنین تخمین سرمایه در معرض خطر، از طریق برازش توزیع تجمیعی زیان سالانه در سطوح اطمینان مختلف بر اساس تخمین عددی مونت کارلو و در نهایت تحلیل حساسیت سرمایه پوششی از طریق محاسبه مقادیر انحراف معیار، فاصله اطمینان بوت استرپی و رسم نمودار "سرمایه پوششی- فاصله اطمینان" انجام شده است. نتایج تحقیق حاکی از آن است که برازش مدل¬های کلاسیک خصوصا در ناحیه دم، بی معنی بوده در حالی¬که تخمین توزیع¬های دورفتاری با حدآستانه معرفی شده، از سایر توزیع¬ها کارایی بیشتری را در میزان تطبیق چندک¬های تجربی ارائه می¬دهد. مقادیر (متفاوت) سرمایه پوششی در سطوح اطمینان خیلی بالا، به چندک¬های بی نهایت توزیع¬های شدت زیان بستگی مستقیم دارد. همچنین رفتار نمایی نمودار "سرمایه پوششی- سطح اطمینان"، مقدار انحراف میعار و فاصله اطمینان سرمایه پوششی محاسبه شده در سطوح اطمینان خیلی بالا، نشان می¬دهد که؛ اولا با افزایش مقدار و عدم قطعیت پارامتر شکل توزیع پارتو تعمیم یافته، ناپایداری سرمایه پوششی بیشتر شده و ثانیا، سطح اطمینان 99.9 درصد معرفی شده از سوی کمیته بال، محافظه¬کارانه بوده و در عوض استفاده از سطوح اطمینان پایین تر، منطقی¬تر به نظر می¬رسد. از همین رو، محاسبه سرمایه پوششی در سطوح اطمینان پایین، با توزیع دورفتاری مبتنی بر حدآستانه کارای معرفی شده در این تحقیق مناسب¬تر است.
تفاصيل المقالة
در حال حاضر دقت برآورد ریسک پرتفوی برای مدیران سرمایهگذاری مسئله بسیار مهمی است انتخاب مدلی که واریانس را وابسته به زمان محاسبه میکندبه جای اینکه واریانس را ثابت در نظر میگیرد موجب مدل سازی بهتر داده ها در واقع هدف این پژوهش پیاده سازی یک روش ترکیبی محاسبه ارزش در مع أکثر
در حال حاضر دقت برآورد ریسک پرتفوی برای مدیران سرمایهگذاری مسئله بسیار مهمی است انتخاب مدلی که واریانس را وابسته به زمان محاسبه میکندبه جای اینکه واریانس را ثابت در نظر میگیرد موجب مدل سازی بهتر داده ها در واقع هدف این پژوهش پیاده سازی یک روش ترکیبی محاسبه ارزش در معرض ریسک شرطی ([i]CVaR)است که تلاطم را در ویژگی خوشهای مدل سازی کرده و مقدارCvaR را با در نظر گرفتن ویژگی دنباله پهنی به طور دقیق محاسبه کند. به این منظور مدلهایی از خانواده [ii]ARCH را در نظر گرفته شده است که ویژگی خوشهای بودن را در مدل لحاظ کرده ، علاوه برآن تئوری مقدار فرین (EVT[iii])را درنظر میگیرد که بر دنباله پهن دادهها تمرکز دارد. دادههای پژوهش مربوط به سالهای 1380-1394 میباشد و به صورت روزانه از نرمافزارهای رهاوردنوین و TseCline استخراج شده است. تجزیه و تحلیل دادهها با نرمافزارهای (2015)MATLAB و(2013) EXCELانجام شد. یافتههای پژوهش نشان داد که استفاده از روش FIGARCH –EVT[iv] منجر به تخمین دقیقتری از CVaR نسبت به روش HS[v] میشود. روش FIGARCH-EVT در مقایسه با روشGARCH-EVT دقت بیشتری دارد. و به طور کلی مدلهایی که واریانس ناهمسانی را در نظر میگیرند نسبت به روش HS از دقت بالاتری برخوردارند.
[i]. Conditional value at risk
[ii]. Generalized Auto-Regressive Conditional Heteroskedasticity
[iii]. Exterem value theory
[iv]. Fractionally integrated generalized autoregressive conditional heteroskedasticity -EVT
[v]. Historical simulation
تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications