محاسبه ارزش در معرض خطر سبد سرمایهگذاری سکه و شاخص بورس؛ مقایسه دو روش گارچ و گارچ چند متغیره
محورهای موضوعی : مهندسی مالی
کلید واژه: ارزش در معرض خطر, گارچ, پس‌آزمایی,
چکیده مقاله :
این مقاله از مدل های گارچ و گارچ چند متغیره جهت برآورد ارزش در معرض خطر سبد سرمایه گذاری شامل سکه و شاخص بورس اوراق بهادار از ابتدای سال 2008 تا ابتدای سال 2014 استفاده می نماید. سه رویکرد کلی؛ روش های پارامتریک، ناپارامتریک و نیمه پارامتریک در تخمین ارزش در معرض خطر وجود دارد. در میان روش های پارامتریک، روش های ناهمسانی واریانس نتایج بهتری ارائه می نمایند. از آنجایی که نوسانات میان بازارهای مختلف انتقال می یابند بایستی از روش های گارچ چند متغیره استفاده نمود. در میان روش های چند متغیره گارچ، مدل BEKK برای سری های دومتغیره نتایج بهتری ارائه می نمایند. در این تحقیق ارزش در معرض خطر را با استفاده از دو روش گارچ و گارچ چند متغیره محاسبه نموده و سپس با پس آزمایی به مقایسه نتایج دو روش می پردازیم. نتایج این پژوهش بیانگر این است که مطابق انتظار، مدل گارچ چند متغیره نتایج دقیق تر و بهتری را در مقایسه با مدل های گارچ برای محاسبه ارزش در معرض خطر سبد سرمایه گذاری نشان می دهد
* ابونوری اسمعیل، عبداللهی محمدرضا. 1390. "مدلسازی نوسانات بخش های مختلف بازار سهام ایران با استفاده از مدل گارچ چندمتغیره". نشریه تحقیقات مالی، دوره14 ، شماره 1، بهار و تابستان 1391، از صفحه 1 تا 16
* حسینی ایمنی سید احمد، نجفی امیرعباس. 1391. " تعیین سبد بهینه سرمایهگذاری در صنایع مختلف بورس اوراق بهادار تهران با استفاده از رویکرد VAR-Multivariate GARCH و در نظرگیری ریسک نقدشوندگی". فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، دوره ششم، شماره 20، زمستان 1392
* سیدحسینی سیدمحمد، ابراهیمی بابک. 1392. " مدلسازی و سنجش سرایت تلاطم با استفاده از مدلهای GARCH چندمتغیره مطالعه موردی : ایران، امارات و شاخص قیمت جهانی نفت". فصلنامه بورس اوراق بهادار، دوره6 ، شماره 21، بهار 1392، از صفحه 137 تا 157
* رستمی محمدرضا، فرهمندی سحر. 1391. " برآورد ارزش در معرض ریسک قیمت نفت خام و اثرات سرریز آن با استفاده از مدل گارچ چندمتغیره MGARCH ". فصلنامه علمی پژوهشی دانش سرمایهگذاری، دوره 1 ، شماره 4، زمستان 1391
* شهریار بهنام، احمدی سید محمد مهدی. 1385 . "تعیین میزان بهینهی سرمایهگذاری در بازار بورس و اوراق بهادار تهران با رویکرد ارزش در معرض ریسک" . فصلنامه بررسیهای حسابداری و حسابرسی، دوره 14، شماره 3
* عبدی جعفر اکبر ، کشاورز حداد غلامرضا. 1389. "بررسی ارتباط میان بازارهای سهام تهران و دبی". پایاننامه کارشناسی ارشد، دانشکده مدیریت و اقتصاد دانشگاه صنعتی شریف
* محمدی شاپور، راعی رضا، فیض آباد آرش. 1387. "محاسبه ارزش در معرض ریسک پارامتریک با استفاده از مدلهای ناهمسانی واریانس شرطی در بورس اوراق بهادار تهران". نشریه تحقیقات مالی، دوره 10، شماره 25، بهار وتابستان 1387، از صفحه 109 تا 124
* Banjia, A., Diebold, F. X., Schuermann, T., and Stroughair, J. D. 1998. Modeling Liquidity Risk With Implications for Traditional Market Risk Measurement and Management. working paper.
* Campbell, J. Y., Lo A W., and MacKinlay A. C 1997."The Econometrics of Financial Markets" . Princeton, New Jersy: Princeton University Press
* Hartz, C., Mittnik, S., Paolella, M., 2006. Accurate Value-at-Risk forcasting based on the normal –GARCH model. Computational Statistics & Data Analysis 51, 2295-2312
* Brooks C (2008). “Introductory econometrics for finance”, Cambridge University Press.
* Brooks C, Henry O. T Linear and Non-linear Transmission of Equity Return volatility: evidence from the US, Japan and Australia, Economic modeling 2000; 17: 497-513.
* Bollerslev T, R. F. Engle, D. B. Nelson (1994). "ARCH models". In R.F. Engle & D. McFadden, Handbook of econometrics, Vol. 4: 2959- 3038.
* Bollerslev T., R. F. Engle, J. M. Wooldridge (1988). "A capital asset pricing model with time-varying covariances", The Journal of Political Economy, 96: 116-131.
* Chou R. Y. Lin J, Wu, C. Modeling the Taiwan Stock Market and International linkages, Pacific Economic Review 1999; 4(3): 305-320
* Danielsson Jon (2011). “Financial risk forecasting”, Wiley.
* Engle, F. R (1982). "Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation" Econometrica, Vol.50-4: 987-1007.
* Filis, George, Degiannakis, Stavros and Floros, Christos (2011), “Dynamic Correlation between Stock Market and oil Prices: The Case of oil-importing and oil-exporting countries”. International Review of Financial Analysis, No.20, pp.152-164.
* Fornari F, Monticelli C, Pericoli M, Tivegna M. The impact of news on the exchange rate of the lira and long-term interest rates. Economic Modelling 2002; 19: 611-639.
* Gregoriou Greg N. (2009). “The VaR implementation handbook”, McGraw Hill.
* Hassan, S. A., & Malik, F. (2007). “Multivariate GARCH modeling of sector volatility transmission”. Quarterly Review of Economics and Finance, 47, pp.470−480
* Hull John (2002). “Fundamental of futures and options markets”, Pearson.
* Kearney C, Patton, A. J. Multivariate GARCH modeling of exchange rate volatility transmission in the European monetary system. Financial Review 2000; 41: 29–48.
* Li H. International linkages of the Chinese stock exchanges: a Multivariate GARCH Analysis, Applied Financial Economics 2007; 17: 285-297.
* Malik, F., & Hammoudeh, S. (2007). “Shock and volatility transmission in the oil, US and Gulf equity markets”. International Review of Economics and Finance, Vol.16, pp.357-368.
* Moon, G., W. Yu, (2009), “Volatility Spillovers between the U.S. and the China Stock Market: Structural Break Test with Symmetric and Asymmetric GARCH Approach,” Global Economic Review, Vol.44, No.5, pp.1103-1113.
* Wei, Y., Y. Wang and D. Huang (2010), “Forecasting Crude Oil Market Volatility: Further Evidence using GARCH-Class Models”, Energy Economics, Vol.32, No.6, pp.1477-1484.
* Tse, Y.K. & Tsui, A. K.C. (1998). A Multivariate GARCH Model with Time-Varying Correlations. Department of Economics National University of Singapore.
* Huang, Y. C. and Lin, B. J., 2004, "Value-at-Risk Analysis for Taiwan Stock Index Futures: Fat Tails and Conditional Asymmetries in Return Innovations", Review of Quantitative Finance and Accounting, Vol. 22, Pp 79-95
* Tse, Y.K. (2000). A test for constant correlations in a multivariate GARCH model. Journal of Econometrics 98 (2000) 107-127