آزمون ارزش در معرض خطر دوره ای(LiVaR) و مدیریت ریسک با استفاده از مدل خود رگرسیون برداری(VAR)

محورهای موضوعی : دانش مالی تحلیل اوراق بهادار

غلامرضا زمردیان ¹ (استادیار و عضو هیئت علمی دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران)
مهدی همّتی آسیابرکی ² (دانشجوی دکترای مدیریت مالی دانشگاه آزاد اسلامی واحد رشت، ایران)
حسین راد کفترودی ³ (دانشجوی دکترای مدیریت مالی دانشگاه آزاد اسلامی واحد رشت، ایران)

تاریخ دریافت : 1395/03/17 تاریخ پذیرش : 1395/08/01 تاریخ انتشار : 1396/10/01

کلید واژه: ارزش روزانه نقدینگی, داده‌های Tick-by-Tick, هزینه نقدینگی برنامه‌ریزی شده, سیستم ترتیبی محدود,

چکیده مقاله :

ارزش در معرض ریسک (VaR) روش ارزیابی و تشخیص ریسک است که از تکنیک‌های آماری استاندارد که به طور روزمره در زمینه‌های تکنیکی دیگر نیز به کار می‌رود، استفاده می‌نماید. به طور قراردادی، ارزش در معرض ریسک بیشترین زیان مورد انتظار را در افق زمانی مشخص در سطح اطمینان معین اندازه‌گیری می‌نماید. این مقاله به طراحی یک مقیاس اندازه گیری ریسک با توالی بالا می پردازد یعنی محاسبه ارزش روزانه نقدینگی در ریسک در معرض خطر(LIVaR). از این رو، هدف ما بررسی آشکار جنبه نقدینگی درونی مرتبط با اندازه شرکت ها است. با بازسازی مجدد اطلاعات دسته‌بندی شده‌، تغییرات بارزی در بازده واقعی و بازده بدون اصطکاک (برنامه‌ریزی شده) به وقوع پیوست و این دو متغیر به صورت مشترک مدل‌سازی شدند. ریسک مربوط به هزینه نقدینگی برنامه‌ریزی شده، در مرحله بعد درجه‌بندی گردید. مدل مورد استفاده در این تحقیق به منظور شناسایی تأثیر ریسک نقدینگی برنامه‌ریزی شده بر ریسک کل و ارزیابی VaR مربوط به بازده واقع در یک نقطه زمانی مورد استفاده قرار گرفته شد.

چکیده انگلیسی:

Value at risk (VaR) risk assessment and diagnosis method that uses standard statistical techniques that are routinely used in other technical fields, is used. The contract, the value at risk in a given period the maximum expected loss at a given confidence level is measured. This article is designed to measure a sequence of high-risk deals with the calculation of Liquidity-adjusted Intraday (LIVaR). Hence, our goal is clear review aspects related to the size of the company's internal liquidity. With the reconstruction of classified information, and significant changes in real output and efficiency without friction (planned) occurred and these two variables were modeled jointly. Risk related to planned cash expenses, was determined at a later stage.

منابع و مأخذ:

*      راعی، رضا ؛ خواجه حق وردی، سروش و اسماعیلی، محمدرضا(1394). محاسبه ارزش در معرض خطر سبد سرمایه‌گذاری سکه و شاخص بورس؛ مقایسه دو روش گارچ و گارچ چند متغیره. مجله مهندسی مالی و مدیریت اوراق بهادار - 1394 - دوره : 6 - شماره : 25 - صفحه:63 -80.

*      رهنمای رودپشتی، فریدون و صالحی، اله کرم(1390). مکاتب و تئوری های مالی و حسابداری. انتشارات حوزه معاونت پژوهشی دانشگاه آزاد اسلامی واحد تهران مرکزی. چاپ دوم.

*      زمردیان، غلامرضا(1394). مقایسه توان تبیین مدل های ناپارآمتریک و مدل های شبکه عصبی در سنجش میزان ارزش درمعرض خطر پرتفوی شرکت های سرمایه گذاری جهت تعیین پرتفوی بهینه در بازار سرمایه ایران. مجله مهندسی مالی و مدیریت اوراق بهادار دوره 6، شماره 24، پاییز 1394، صفحه 73-90.

*      زمردیان، غلامرضا(1394). مقایسه ی توان تبیین مدل های پارآمتریک (اقتصاد سنجی) و ناپارآمتریک (مونت کارلو) در سنجش میزان ارزش در معرض خطر پرتفوی شرکت های سرمایه گذاری جهت تعیین پرتفوی بهینه در بازار سرمایه ی ایران. مهندسی مالی و مدیریت اوراق بهادار » بهار 1394 - شماره 22.

*      عسگری، مونا، رهنمای رودپشتی، فریدون و عبدالوند، محمد علی(1394). مجله دانش مالی اوراق بهادار. دوره 8، شماره 28، زمستان 1394، صفحه 1-26.

*      Angelidis, T., Benos, A., 2006. Liquidity adjusted value-at-risk based on the components of the bid-ask spread. Applied Financial Economics 16, 835.

*      Bacidore, J., Ross, K., Sofianos, G., 2003. Quantifying market order execution quality at the New York stock exchange. Journal of Financial Markets 6, 281-307

*      Bangia, A., Diebold, F.X., Schuermann, T., Stroughair, J.D., 1999. Modeling Liquidity Risk with Implications for Traditional Market Risk Measurement and Management. The Wharton Financial Institutions Center WP 90-06.

*      Battalio, R., Hatch, B., Jennings, R., 2003. All else equal? A multidimensional analysis of retail, market order execution quality. Journal of Financial Markets 6, 143-162

*      Black, F., 1971. Toward a fully automated stock exchange. Financial Analysts Journal 27, 28-44.

*      Demsetz, H., 1968. The cost of transacting. Quarterly Journal of Economics 82, 33-53.

*      Dionne, G., Duchesne, P., Pacurar, M., 2009. Intraday Value at Risk (IVaR) using tick-by-tick data with application to the Toronto Stock Exchange. Journal of Empirical Finance 16, 777-792.

*      Giot, P., Grammig, J., 2006. How large is liquidity risk in an automated auction market? Empirical Economics 30, 867-887.

*      Glosten, L.R., Harris, L.E., 1988. Estimating the Components of the Bid/Ask Spread. Journal of Financial Economics 21, 123-142.

*      Goyenko, R.Y., Holden, C.W., Trzcinka, C.A., 2009. Do liquidity measures measure liquidity? Journal of Financial Economics 92, 153-18.

*      Kyle, A.S., 1985. Continuous Auctions and Insider Trading. Econometrica 53, 1315-1335.

*      Weib, G.N.F., Supper, H., 2013. Forecasting liquidity-adjusted intraday Value-at-Risk with vine copulas. Journal of Banking & Finance 37, 3334-3350