ارزش در معرض ریسک در بورس اوراق بهادار تهران با استفاده از رویکردهای پارامتریک و ناپارامتریک

محورهای موضوعی : مدیریت کسب و کار

ابرهیم قنبری ممشی ¹ , سیدعلی نبوی چاشمی ² , عرفان معماریان ³

1 - گروه مدیریت مالی، واحدبابل، دانشگاه آزاداسلامی، بابل، ایران
2 - گروه مدیریت مالی، واحدبابل، دانشگاه آزاداسلامی، بابل، ایران.
3 - گروه اقتصاد، واحدبابل، دانشگاه آزاداسلامی، بابل، ایران

تاریخ دریافت : 1398/11/25 تاریخ پذیرش : 1399/01/20 تاریخ انتشار : 1399/04/01

کلید واژه: ارزش در معرض ریسک, پرتفوی بهینه, مدل‌ شبیه‌سازی تاریخی فیلتر شده, مدل شبیه‌سازی مونت کارلو,

چکیده مقاله :

هدف پژوهش حاضر، ارزیابی ارزش در معرض ریسک شاخص سهام بر مبنای رویکردهای پارامتریک و ناپارامتریک در بورس اوراق بهادار تهران می‌باشد. در این راستا از شاخص کل بورس اوراق بهادار تهران(TEPIX) به عنوان نماینده پرتفوی بازار و داده‌های روزانه در دوره زمانی 21/07/1388-21/08/1398 استفاده شده است. در این تحقیق ابتدا نتایج برآورد ارزش در معرض ریسک با استفاده از دو مدل میانگین متحرک موزون نمایی (EWMA) و شبیه سازی مونت کارلو (MC) ارائه می‌شود. در ادامه با استفاده از آزمون‌های پس آزمایی کارایی این مدل‌ها با مدل‌های دیگر از جمله مدل‌های گارچ و شبیه سازی تاریخی مقایسه می‌شود. نتایج برآورد این مدل‌ها که با استفاده از نرم‌افزارهای Eviews 10 و Matlab 2018 به دست آمده است ارائه شد. نتایج این تحقیق نشان می‌دهد که الگوی میانگین متحرک موزون نمایی (EWMA) از کارایی و دقت بالاتری نسبت به مدل‌های دیگر برخوردار است. همچنین نتایج این تحقیق نشان می‌دهد بر اساس نسبت تخطی و آزمون‌های پس آزمایی، مدل‌های ناپارامتریک از جمله شبیه سازی مونت کارلو، ارزش در معرض ریسک را بیشتر از حد برآورد کرده‌ است.

چکیده انگلیسی:

The purpose of this study is to evaluate the value at risk of stock indexes based on parametric and nonparametric approaches in Tehran Stock Exchange. In this regard, the Tehran Stock Exchange (TEPIX) index was used as a representative of market portfolios and daily data for the period 13/10/2009-12/11/2019. In this study, first, the results of estimating the value at risk using two models of exponentially weighted Moving Average (EWMA) and Monte Carlo simulation (MC) are presented. The performance tests of these models are then compared with other models including GARCH and historical simulation models. The estimation results of these models were obtained using Eviews 10 and Matlab 2018 software. The results show that the exponential moving average (EWMA) model is more efficient and more accurate than other models. The results also show that based on violation ratio and Back Tests, non-parametric models such as Monte Carlo simulation have overestimated the value at risk .