مدلسازی پویای مبتنی بر GAS جهت پیش‌بینی و ارزیابی ارزش در معرض ریسک بیتکوین و طلا

محورهای موضوعی : مهندسی مالی

محمدابراهیم سماوی ¹ , هاشم نیکومرام ² , مهدی معدن چی زاج ³ , احمد یعقوب نژاد ⁴

1 - گروه مدیریت مالی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 - گروه مدیریت مالی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 - گروه مدیریت مالی، واحد الکترونیکی، دانشگاه آزاد اسلامی ، تهران، ایران
4 - گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران ایران.

تاریخ دریافت : 1400/09/27 تاریخ پذیرش : 1400/10/13 تاریخ انتشار : 1401/04/01

کلید واژه: ارزش در معرض ریسک, طلا, بیت کوین, رمزارزها, مدل GAS,

چکیده مقاله :

گام اول مدیریت ریسک در حوزه سرمایه‌گذاری محاسبه با دقت بالای متغیر توضیح‌دهنده ریسک می‌باشد. یکی از معیارهای محاسبه پرکاربرد ریسک ارزش در معرض ریسک است که طی سه دهه اخیر همچنان مورد توجه پژوهشگران مالی بوده است. مدل‌های پارامتریک سنتی محاسبه ارزش در معرض ریسک دارای مفروضاتی هستند که با پیچیدگی و واقعیت فعلی بازارهای مالی تطابق ندارد و از طرفی به دلیل عدم‌پویایی در بازارهای پر تلاطم از دقت کافی برخوردار نیستند. از این رو هدف پژوهش حاضر، مدلسازی پویا و زمان متغیر با استفاده از تکنیکی با نام امتیاز خودبرازشی تعمیم یافته (GAS) در جهت برآورد ارزش در معرض ریسک بیت‌کوین و طلا با استفاده از داده‌های روزانه از سال 2010 تا 2020 میلادی با فرض توزیع تی‌استیودنت انجام شده و نتایج آن با نتایج مدل‌های شناخته شده AR و GARCH مقایسه گردیده است. یافته‌ها نشان داد که برای انس جهانی طلا مدل‌های GAS، GARCH و AR در سطح خطای 5 درصد قابلیت تخمین ارزش در معرض ریسک را داشتند که از این بین مدل GAS بهترین عملکرد را داشت. برای رمزارز بیت‌کوین تنها دو مدل GAS و GARCH تخمین‌زننده مناسب ارزش در معرض ریسک می‌باشند که مدل GARCH ارجح‌تر است.

چکیده انگلیسی:

The first step in risk management in the field of investment is to calculate the variable that explains the risk accurately. One of the most widely used criteria for calculating risk is the value at risk, which has been the focus of financial researchers for the past three decades. Therefore, the aim of the present study is dynamic modeling and variable time using a technique called Generalized Autoregressive Score (GAS) to estimate value at risk in bitcoin and gold by using daily data since 2010 to 2020 and assuming the distribution of t-student. its results are compared with the results of known AR and GARCH models. The results showed that for gold models such as GAS, GARCH and AR were able to estimate the value at risk at 5% error level. Among them, the GAS model had the best performance. For Bitcoin only two models, GAS and GARCH, are suitable for estimating value at risk and GARCH model is preferable. Also, the duration of risk of value at risk errors for all three models for gold and bitcoin lacks long-term memory, indicating its reliance on financial turmoil.