ارائه چارچوبی جهت سنجش و پیش‌بینی ریسک سیستمی با رویکرد ارزش در معرض خطر شرطی (CoVaR)

محورهای موضوعی : دانش مالی تحلیل اوراق بهادار

جعفر باباجانی ¹ , محمدتقی تقوی‌فرد ² , امین غزالی ³

1 - استاد دانشکده مدیریت دانشگاه علامه طباطبایی، تهران، ایران
2 - دانشیار دانشکده مدیریت دانشگاه علامه طباطبایی، تهران، ایران
3 - دانشجوی دکترای مدیریت مالی دانشگاه علامه طباطبایی، تهران، ایران

تاریخ دریافت : 1395/09/15 تاریخ پذیرش : 1396/04/01 تاریخ انتشار : 1397/07/01

کلید واژه: ریسک سیستمی, سنجش ریسک سیستمی, پیش‌بینی ریسک سیستمی, ارزش در معرض خطر شرطی, سیاست-های احتیاطی کلان,

چکیده مقاله :

در سال های اخیر و با افزایش همگرایی و نوآوری در بازارهای مالی، نگرانی در خصوص ثبات کلی نظام مالی افزایش یافته و مفهوم ریسک سیستمی، اهمیت روزافزونی یافته است. ریسک سیستمی، ریسک ناشی از ارتباطات درونی و وابستگی در یک سیستم یا بازار است که در آن ناتوانی یک شرکت یا گروهی از شرکت‌ها می‌تواند موجب ایجاد بحران در کل سیستم شود. لذا در این پژوهش تلاش می‌گردد که با استفاده از رویکرد ارزش در معرض خطر شرطی[i] (CoVaR) چارچوبی جهت سنجش و پیش‌بینی ریسک سیستمی در بازار سرمایه ایران ارائه گردد. بر این اساس، ΔCoVaR به عنوان سنجه ریسک سیستمی با استفاده از رگرسیون چندک مبتنی بر مجموعه‌ای از متغیرهای حالت[ii] که نشاندهنده تغییرات توزیع شرطی بازده دارایی‌ها در طول زمان بوده و همچنین قابل اندازه‌گیری در مقاطع هفتگی باشند برآورد می گردد. همچنین به منظور افزایش دقت برآورد، متغیرهای تحقیق با الگوبرداری از مدل خودرگرسیون شرطی ارزش در معرض خطر (CAViaR) توسعه داده شده و برخی ویژگی‌های متأخر شرکت‌ها نیز به آن اضافه شده است. سپس به منظور سنجش اعتبار مدل از روش‌های پیش آزمایی[iii] استفاده می‌شود. از طرف دیگر، پتانسیل ریسک سیستمی در زمان کاهش نوسانات افزایش می‌یابد که به این مفهوم، تناقض نوسانات[iv] می‌گویند. لذا در این پژوهش، تلاش می‌گردد با بهره‌برداری از ساختار پانلی داده‌ها و ارتباط ΔCoVaR با مقادیر متغیرهای خاص شرکت که امکان دسترسی به آن‌ها در فواصل زمانی مشخص وجود دارد، ریسک سیستمی پیش‌بینی گردد

چکیده انگلیسی:

In recent years with the increasing integration and innovation in financial markets, concerns about the overall stability of the financial system has increased and the concept of systemic risk has become more important. systemic risk is the risk imposed by interlinkages and interdependencies in a system or market, where the failure of a single entity or cluster of entities can cause a crisis in the entire system or market. In this study, we presented a framework for measuring and predicting systemic risk in the capital market of Iran using conditional value at risk approach (CoVaR). On this basis, ΔCoVaR as a measure of systematic risk using quintile regression based on a set of state variables that indicates changes in the distribution of asset returns has been estimated. As well as to enhance the accuracy of the estimate, the research variables modeled after the conditional autoregressive value at risk model (CAViaR) has been developed and some Lagged firm specific characteristic has also been added. In order to test the validity of the model back testing methods have been used. On the other hand, The potential for systemic risk increases when volatility decreases (volatility paradox). In this study, we try to predict systemic risk by take advantage of the panel structure of the data and the relationship between ΔCoVaR and firm-specific variables that are available in certain sections.