پیش بینی نوسانات روزانه و ارزش در معرض خطر برای داده‌های با فراوانی بالا
محورهای موضوعی : مدیریت
امیر محمدزاده
1
,
سحر مسعودزادگان
2
1 - استادیار، دانشگاه آزاد اسلامی، واحد قروین ، گروه مدیریت، قزوین، ایران
2 - کارشناسی ارشد ، دانشگاه آزاد اسلامی، واحد قروین ، گروه مدیریت، قزوین، ایران
کلید واژه: پیش‌بینی, نوسان, ارزش در معرض خطر, بازده, فراوانی بالا,
چکیده مقاله :
نوسان یکی از مهم‌ترین جنبه‌های توسعه بازارهای مالی است و نقشی اساسی را در مدیریت پرتفوی، قیمت‌گذاری اختیار معاملات و قوانین حاکم بر بازار، ایفا می‌کند. به طور کلی مؤسسات مالی و اقتصادی با چهار نوع ریسک اعتباری، عملیاتی، نقدینگی و بازار مواجه هستند. در حال حاضر متداول‌ترین معیار سنجش ریسک بازار روش ارزش در معرض خطر می‌باشد. بنا به تعریف، ارزش در معرض خطر حداکثر زیانی است که ممکن است در یک دوره زمانی معین (معمولا یک روزه) و با در نظر گرفتن یک سطح اطمینان مشخص در پرتفویی از دارائی‌ها رخ دهد.در این پژوهش برای پیش‌بینی ارزش در معرض خطر برای نوسانات کمتر از یک روز، اطلاعات قیمت 6 صنعت و از هر صنعت 3 شرکت، در فاصله‌های زمانی 30 دقیقه‌ای در بازه زمانی 1/11/91 لی 1/4/92 استخراج و با توجه شرایط حاکم بر داده‌ها از مدل گارچ (1و1) برای برآورد واریانس استفاده گردید. همچنین در خصوص باقیمانده‌های برآورد دو فرض نرمال بودن و پیروی از توزیع t در نظر گرفته شد و از این رو در مجموع 6 مدل برای شش صنعت مورد ارزیابی قرار گرفت.تمامی شش مدل انتخابی در مجموع مدل‌های مناسبی به جهت ضریب تعیین، معنی‌داری ضرایب و مقدار آماره دوربین واتسون بوده‌اند. از این رو در برآورد واریانس و پیش‌بینی ارزش در معرض خطر از تمامی مدل‌ها در سطح اطمینان 95% استفاده شد. نتایج حاکی از آن بود که گروه صنایع فلزات اساسی به جهت نوسانات روزانه در بازه‌های زمانی 30 دقیقه‌ای دارای ارزش در معرض خطر پیش‌بینی شده بسیار بالاتری نسبت به سایر صنایع انتخابی می‌باشند.
One of the key aspects in the financial markets and its development is fluctuation. Fluctuation plays a key role in option pricing, portfolio management and the market sentiment. In general, financial institutions are faced with four various kinds of risk, which are credit risk, liquidity risk, operational risk, and market risk. The most appropriate method to measure the market risk is by using the VaR (value at risk). Value at Risk is statistical technique used to measure and quantify the level of financial risk within the investment portfolio over a specific time frame. It is always expressed by the monetary amount that is at risk as well as the probability of loss. This research is to predict the VaR for a one-day period in six different industries in which three companies are monitored in each industry. The time periods of the study are 30-minute intervals between 91/11/1 to 92/4/1, in which the GARCH model is used for predicting the variance. The research then checks to see whether the data fits the normal or t-distributions models. Thus, six models are used for six different industries. All six chosen models are deemed proper to predict the coefficients, how fit the coefficients are, and Watson statistic camera. The estimation of the variance and the Var for all models is done at a %95 confidence interval. The research concludes that the companies involved in the basic metals group are more prone to risk and have higher VaR in comparison to other industries.