مدل ترکیبی ارزش در معرض ریسک شبیه سازی تاریخی فیلتر شده مبتنی بر تبدیل موجک در افقهای زمانی سرمایه گذاری مختلف در بورس اوراق بهادار تهران Wavelet based Filtered historical simulation value at risk model in different time horizons in Tehran Stock Exchange

محورهای موضوعی : اقتصاد مالی

وحید ویسی زاده ¹ , جواد شکرخواه ² , میثم امیری ³

1 - گروه مدیریت مالی دانشگاه علامه طباطبایی تهران،ایران
2 - گروه حسابداری دانشگاه علامه طباطبایی تهران،ایران
3 - گروه مدیریت مالی،دانشگاه علامه طباطبائی،تهران، ایران.

تاریخ دریافت : 1400/07/01 تاریخ پذیرش : 1400/09/03 تاریخ انتشار : 1400/10/01

کلید واژه: C22, G17, C52, واژه‌های کلیدی: ارزش در معرض ریسک, شبیهسازی تاریخی فیلتر شده, نظریه فرین, تئوری موجک و پسآزمون. طبقه بندی JEL : ‌C02, ‌G32,

چکیده مقاله :

از ارزش در معرض ریسک به عنوان سنجهای برای کمیسازی ریسک و مبنایی برای محاسبه سرمایه مورد نیاز نهادهای مالی در حوزه نظارتی استفاده میگردد. تحقیق حاضر درصدد انتخاب دقیقترین مدلهای تخمین ارزش در معرض ریسک اعم از ساده و پیشرفته و ارائه یک مدل جدید "مبتنی بر تبدیل موجک" در بورس اوراق بهادار تهران است و بر این اساس مدلهای شبیهسازی تاریخی(HS)، خانواده ARMA-GARCH، شبیهسازی تاریخی فیلتر شده (FHS)، فراتر از آستانه شرطی (CPOT) و مدل ترکیبی جدید شبیهسازی تاریخی فیلتر شده مبتنی بر تبدیل موجک در اشکال مختلف از استفاده از مدلهای نوسان و فروض توزیعی مختلف تخمین و مورد پسآزمایی در بورس اوراق بهادار تهران قرار گرفت. نتایج تحقیق مبتنی بر پسآزمون صورت گرفته در بازه زمانی حدود 11 ساله شاخص کل بورس اوراق اوراق بهادار تهران از تاریخ 13/4/1389 الی 11/4/1399 (بیش از 2400 روز داده بازدهی شاخص کل) حاکی از دقت بالاتر مدل ارزش در معرض ریسک شبیه سازی تاریخی فیلتر شده مبتنی بر تبدیل موجک (WFHS) در تمامی افقهای زمانی و سطوح اطمینان مختلف نسبت به سایر مدلها می باشد.Wavelet based Filtered historical simulation value at risk model in different time horizons in Tehran Stock ExchangeVahid VeisizadehJavad ShekarkhahMeysam AmiriAbstract: Value at risk is applied as a downside risk measure to quantify risk and as a basis for calculating the regulatory purpose capital of financial institutions. The present study seeks to select the most accurate models for estimating value at risk, both simple and advanced, and to present a new wavelet based model on Tehran Stock Exchange. Filtered historical simulation(FHS), Conditional extreme value theory model(CPOT) and a new hybrid semiparametric model called "Wavelet based Filtered historical simulation" in various forms using different volatility models and distribution assumptions were estimated and on the Tehran Stock Exchange. The backtest finding of research conducted in a period of about 11 years of the total index of Tehran Stock Exchange(TSE) from 2010/4/7 to 2020/4/1 (more than 2400 daily of index return data) indicate the higher accuracy of the filtered historical wavelet-based simulation (WFHS) VaR model in comparison to other models at all-time horizons and different confidence levels.

چکیده انگلیسی:

Abstract: Value at risk is applied as a downside risk measure to quantify risk and as a basis for calculating the regulatory purpose capital of financial institutions. The present study seeks to select the most accurate models for estimating value at risk, both simple and advanced, and to present a new wavelet based model on Tehran Stock Exchange. Filtered historical simulation(FHS), Conditional extreme value theory model(CPOT) and a new hybrid semiparametric model called "Wavelet based Filtered historical simulation" in various forms using different volatility models and distribution assumptions were estimated and on the Tehran Stock Exchange. The backtest finding of research conducted in a period of about 11 years of the total index of Tehran Stock Exchange(TSE) from 2010/4/7 to 2020/4/1 (more than 2400 daily of index return data) indicate the higher accuracy of the filtered historical wavelet-based simulation (WFHS) VaR model in comparison to other models at all-time horizons and different confidence levels.

منابع و مأخذ:

ابونوری, اسمعیل, تهرانی, رضا, شامانی, مسعود. (1397). عملکرد پورتفولیوهای مبتنی بر ریسک تحت شرایط مختلف در بازارسهام . اقتصاد مالی, 12(45)، 71-51.
اسدی نیا, پرستو, عبدالهی کیوانی, سید محمد, حیدر زاده هنزائی, علیرضا, موسوی روح بخش, سید شایان. (1398). پیش بینی نوسانات بازده با استفاده از مدل ترکیبی تبدیلات موجک گسسته و گارچ. فصلنامه بورس اوراق بهادار، 12(47)، 127-110. 
دهقان خاوری, سعید, میر جلیلی, سید حسین. (1398). تعامل ریسک سیستماتیک با بازده سهام در بورس اوراق بهادار تهران. اقتصاد مالی، 13(49)، 282-257.
رستمی نوروزآباد, مجتبی, شجاعی, عبدالناصر, خضری, محسن, رحمانی نوروزآباد, سامان. (1394). تخمین ارزش در معرض ریسک بازده بورس اوراق بهادار تهران با استفاده از آنالیز موجک. تحقیقات مالی، 17(1)، 82-59.
صادقی, حجت اله, نظری زاده دهکردی, سمیه. (1393). محاسبۀ ارزشهای‌ در معرض ریسک با بهره‌گیری از آنالیز موجک. راهبرد مدیریت مالی، 2(1)، 124-97.
کریمی, مجتبی, صراف, فاطمه, امام وردی, قدرت اله, باغانی, علی. (1398). همبستگی شرطی پویای نوسانات قیمت نفت و بازار سهام کشورهای حوزه خلیج فارس با تاکید بر سرایت بحران مالی. اقتصاد مالی،  13(49)، 130-101.
کشاورز, غلامرضا, صمدی, باقر. (1388). برآورد و پیش بینی تلاطم بازدهی در بازار سهام تهران و مقایسه دقت روش‎ها در تخمین ارزش در معرض خطر: کاربردی از مدل‎های خانوده FIGARCH، تحقیقات اقتصادی، 44(1).
محمدیان امیری, احسان, ابراهیمی, سیدبابک (1397). پیش‌بینی چند‌گام به‌جلوی ارزش در معرض خطر بر‌مبنای روش هموارسازی نمایی هلت-‌وینترز ضربی. راهبرد مدیریت مالی، 6 (1)، 114-93.
Andrew J. Patton, Johanna F. Ziegel, Rui Chen (2019). Dynamic semiparametric models for expected shortfall (and Value-at-Risk), Journal of Econometrics, Volume 211, Issue 2, Pages 388-413,
Bollerslev. T, Engle. R, & Wooldridge. J (1988) "A capital-asset pricing model with time-Varying coVariances",Journal of Political Economy, 96, 116–131.
Christian Francq, Jean-Michel Zakoïan (2018). Estimation risk for the VaR of portfolios driven by semi-parametric multivariate models, Journal of Econometrics, Volume 205, Issue 2, Pages 381-401.
Christian Francq, Jean-Michel Zakoïan (2020). Virtual Historical Simulation for estimating the conditional VaR of large portfolios, Journal of Econometrics, Volume 217, Issue 2 , Pages 356-380.
Cifter.Atilla (2011) "Value-at-risk estimation with wavelet-based extreme value theory: Evidence from emerging markets", Physica A,390 ,2356–2367.
D.Campbell. Sean (2005). "A Review of Backtesting and Backtesting Procedures", Finance and Economics Discussion Series Divisions of Research & Statistics and Monetary Affairs Federal Reserve Board, 21, Washington, D.C.
Fernandez.Viviana (2006). "The CAPM and value  at risk at different time-scale" ,International Review of Financial Analysis,15,203– 219.
Gencay.R, Whitcher.B, & Selcuk.F (2002). An introduction to wavelets and other filtering methods in finance and economics, San Diego7 Academic Press.
Gencay.R, Whitcher.B, & Selcuk.F (2005). "Multiscale systematic risk",Journal of International Money and Finance,24(1), 55– 70.
Hamburger.Yuri (2003). "Wavelet-based Value At Risk Estimation",Master thesis Informatics & Economics,Erasmus University Rotterdam.
He K., Wang L., Zou Y., Lai K.K. (2014). Value at risk estimation with entropy-based wavelet analysis in exchange markets Physica A, 408 pp. 62-71.
He.Kaijian,Kin Keung.Lai,Jerome.Yen (2011). "Ensemble Forecasting of Value at Risk via Multi Resolution A naly sis based Meth od ology in Metals Markets" Journal of Expert Systems with Applications.
Iglesias.Emma M (2015). "Value at Risk and expected shortfall of firms in the main European Union stock market indexes from 2000 until nowadays: a detailed analysis by economic sectors and geographical situation",Journal of Economic Modelling, Volume 50, November (2015). Pages 1-8.
Jorion.Philippe (2009). Financial Risk Manager Handbook (5th edn),Wiley finance series,United states of America.
Kupiec.P.H (1995) "Techniques for verifying the accuracy of risk measurement models", The Journal of Derivatives  73–84. winter.
Masih.Mansur,Alzahrani.Mohammed,Al-Titi.Omar (2010). "Systematic risk and time scales: New evidence from an application of wavelet approach to the emerging Gulf stock markets", International Review of Financial Analysis,19 ,10–18.
Mensi, Walid, Shahzad, Syed Jawad Hussain, Hammoudeh, Shawkat, Zeitun, Rami, Rehman, Mobeen Ur (2017). Diversification Potential of Asian frontier, BRIC emerging and major developed stock markets: A wavelet-based Value at Risk approach, Emerging Markets Review, 32,  pp. 130-147.
Percival.Donald B,Walden,Andrew ,T (2000). Wavelet Methods for Time Series Analysis.Cambridge University Press.
Rubaiyat Ahsan Bhuiyan, Maya Puspa Rahman, Buerhan Saiti (2019). Gairuzazmi Bin Mat Ghani, Does the Malaysian Sovereign sukuk market offer portfolio diversification opportunities for global fixed-income investors? Evidence from wavelet coherence and multivariate-GARCH analyses, The North American Journal of Economics and Finance, Volume 47, Pages 675-687.
Tan.Zhongfu,Zhang.Jinliang,Wang.Jianhui,Xu.Jun (2010).  "Day-ahead electricity price forecasting using wavelet transform combined with  ARIMA and GARCH models", Journal of Applied Energy ,87 ,3606–3610.