محاسبه ارزش در معرض ریسک و ریزش مورد انتظار بر اساس نظریه مقدار حدی: شواهدی از بورس اوراق بهادار تهران

محورهای موضوعی : مهندسی مالی

منصور کاشی ¹ ( کارشناس ارشد سازمان دارایی و ثبت اسناد )
سیدحسن حسینی ² ( دانشجوی دکتری و عضو هیات علمی دانشگاه امام علی، تهران، ایران )
محمدموسی قلیلو ³ ( دانشجوی کارشناسی ارشد دانشگاه پیام نور، تهران، ایران )
سعید گلکاریان آرانی ⁴ ( دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران )

تاریخ دریافت : 1395/12/18 تاریخ پذیرش : 1396/02/20 تاریخ انتشار : 1396/07/21

کلید واژه: ارزش در معرض ریسک, ریزش مورد انتظار, نظریه مقدار حدی, توزیع پارتو تعمیم یافته,

چکیده مقاله :

پژوهش حاضر به بررسی ارزش در معرض ریسک (VAR) و ریزش مورد انتظار (ES) در بورس اوراق بهادار تهران با استفاده از نظریه مقدار حدی (ماکسیمم بلاک‌ها و توزیع پارتو تعمیم یافته(GPD)) پرداخته است. پیش از تخمین مدل‌ها در تجزیه تحلیل مقدماتی یافته‌ها که با استفاده از آماره‌های توزیع تجربی، تابع اضافی میانگین و رسم Q-Q انجام شد، وجود رفتار دم پارتو و دم پهن داده‌ها نمایان گردید. برای تخمین مقدار آستانه بهینه، از تابع اضافی میانگین و رسم Hill استفاده شد که آماره‌های مذکور برای بازده مثبت و منفی، به ترتیب مقدار آستانه را در حدود 1.20 و 0.95 برای مدل GPD تهیه نمودند. از مقایسه باقیمانده‌های مدل‌های تخمین زده شده مقدار حدی کلاسیک (21، 63، و 126 روز) و مدلGPD، استنباط بر عملکرد مطلوب GPD محاسبه شده نسبت به مقدار حدی بلاک که حساسیت زیادی به انتخاب طول دوره دارد، حاصل شد. در نهایت برای تخمین VAR و ES از مدل GPD تخمین زده شده که کارایی بهتری را به نمایش گذاشت، استفاده شد. یافته‌ها موید این مطلب بود که کاربرد VAR و ES نباید بر مدیریت ریسک مالی مسلط شود؛ به عبارتی، وابستگی بر مقیاس ریسک منفرد به جهت نادیده گرفتن اطلاعات ریسک پرتفوی مشکل ایجاد می‌کند. بنابراین برای در برگرفتن اطلاعات نادیده شده توسط VAR و ES، ضروری است که جنبه‌های گوناگون توزیع زیان/سود مانند دم پهن بررسی شود.

چکیده انگلیسی:

   Current study, has explores the VAR and ES in the Tehran Stock Exchange (TSE) by using the Extreme Value Theory (block maxima and GPD). Earlier estimates of the preliminary findings of the analysis that uses statistics, Empirical Distribution Function, Mean Excess Function and QQ plot, Pareto and heavy-tailed behavior were found data. To estimate the optimal threshold value, we have Mean Excess Function and hill plot applied. To estimate the optimal threshold value, Mean Excess Function and Hill plot use the statistics mentioned for the positive and negative returns, the threshold value for GPD models are about ./75  And ./60  have provided. Comparing the estimated residual value model classic extreme (monthly, quarterly, six month and one year) and the GPD, concluded the optimal performance GPD calculated on the value of extreme block which is highly sensitive to the choice of the period. Finally, to estimate VAR and ES, we GPD model demonstrated that a better performance was applied. The results showed that VAR and ES should not be the dominant financial risk management. In other words, dependence on individual risk scale for ignoring the problem will create portfolio risk information. So to contain the missing information by VAR and ES, it is essential that the various aspects of the distribution of losses / profits look like heavy-tailed.