سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,501
تعداد مشاهده مقاله124,112,292
تعداد دریافت فایل اصل مقاله97,216,085
فلاح پور, سعید, احمدی, احسان. (1393). تخمین ارزش در معرض ریسک پرتفوی نفت و طلا با بهره‎مندی از روش کاپیولا‌ـ گارچ. , 16(2), 309-326. doi: 10.22059/jfr.2014.50711
سعید فلاح پور; احسان احمدی. "تخمین ارزش در معرض ریسک پرتفوی نفت و طلا با بهره‎مندی از روش کاپیولا‌ـ گارچ". , 16, 2, 1393, 309-326. doi: 10.22059/jfr.2014.50711
فلاح پور, سعید, احمدی, احسان. (1393). 'تخمین ارزش در معرض ریسک پرتفوی نفت و طلا با بهره‎مندی از روش کاپیولا‌ـ گارچ', , 16(2), pp. 309-326. doi: 10.22059/jfr.2014.50711
فلاح پور, سعید, احمدی, احسان. تخمین ارزش در معرض ریسک پرتفوی نفت و طلا با بهره‎مندی از روش کاپیولا‌ـ گارچ. , 1393; 16(2): 309-326. doi: 10.22059/jfr.2014.50711

تخمین ارزش در معرض ریسک پرتفوی نفت و طلا با بهره‎مندی از روش کاپیولا‌ـ گارچ

تحقیقات مالی
مقاله 7، دوره 16، شماره 2، مهر 1393، صفحه 309-326    اصل مقاله (806.02 K)
نوع مقاله: مقاله علمی پژوهشی
شناسه دیجیتال (DOI): 10.22059/jfr.2014.50711
نویسندگان
سعید فلاح پور1؛ احسان احمدی* 2
1استادیار گروه مدیریت مالی و بیمه، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران
2کارشناس‎ارشد مدیریت مالی، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران
چکیده
توابع کاپیولا ابزار قدرتمندی برای توصیف ساختار وابستگی متغیرهای تصادفی چند‌بعدی ارائه کرده‌اند و از جدیدترین ابزار مدیریت ریسک مالی به حساب می‏آیند. یکی از کاربردهای توابع کاپیولا در مدیریت ریسک، محاسبۀ ارزش در معرض ریسک (VaR) پرتفوی است که از پرکاربردترین معیارهای ریسک در نهادهای مالی به‎شمار می‎رود. هدف اصلی پژوهش حاضر محاسبۀ دقیق‎تر ریسک است. پژوهش پیش رو با ترکیب توابع کاپیولا و مدل‏های (GARCH)، از رویکردی با عنوان «کاپیولا‌ـ گارچ» برای محاسبۀ VaR پرتفوی متشکل از نفت خام و طلا و داده‏های سال‏های 2007 تا 2012‌‌، بهره برده است. در ادامه، نتایج به‌دست‌آمده از روش یادشده با نتایج روش‏های سنتی VaR مقایسه شدند. یافته‏های تجربی نشان می‏دهد روش کاپیولا‌ـ گارچ در مقایسه با روش‏های سنتی، ریسک پرتفوی را با دقت بیشتری محاسبه می‏کند.
کلیدواژه‌ها
ارزش در معرض ریسک؛ پرتفوی؛ کاپیولا؛ GARCH؛ GJR
مراجع
Clayton, D. (1978). A model for association in bivariate life tables and its application to a uranium exploration data set. Technometrics, 28 (2): 123-131.

Deng, L. Ma, C. & Yang, W. (2011). Portfolio Optimization via Pair Copula-GARCH-EVT-CVaR Model. Systems Engineering Procedia, 2 (1): 171-181.

Embrechts, P. McNeil, A. & Straumann, D. (2002). Risk Management Value at Risk and Beyond. Cambridge University Press.

Engle, R. (1982). Auto-regressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50 (4): 987-1007.

Frank, M. (1987). Best-poss bounds for the distribution of a sum – a problem of Kolmogorov. Probability Theory and Related Fields, 74 (1): 199-211.

Genest, C. (1987). Frank's family of bivariate distribution. Biometrika, 74 (3): 549-555.

Goorbergh, R. Genest, W. & Werker, B. (2005). Bivariate option pricing using dynamic copula models. Insurance, Mathematics and Economics, 37 (1): 101-114.

Gumbel, E. (1960). Bivariate exponential distributions. Journal of American Statistical Association, 55 (292): 698-707.

Hamerle, A. & Rosch, D. (2005). Misspecified Copulas in Credit Risk Models: How Good is Gaussian?. Journal of Risk, 8 (1): 35-47.

Hotta, L. Lucas, E. & Palaro H. (2008). Estimation of VaR using copula and extreme value theory. Multinational Finance Journal, 12 (3/4): 205-221.

Huang, J. Lee, H. Liang, H. & Fu, W. (2009). Estimating value at risk of portfolio by conditional copula-GARCH method. Insurance: Mathematics and Economics, 45 (3): 315-324.

Kupiec, P. (1998). Stress testing in a value at risk framework. The Journal of Derivatives, 6 (1): 7–24.

Ling, C. (1965). Represention of associative functions. Publicationes Mathematicae Debrecen, 12 (1): 189-212.

Meneguzzo, D. & Vecchiato, W. (2004). Copula Sensitivity in Collateralized Debt Obligations and Basket Default Swaps. The Journal of Future Markets,24 (1): 37-70.

National Bureau of Economic Research. (1927). The Behaviour of Prices. [Brochure].  New York : Mills, C.

Neslehova, J. Embrechts, P. & Demoulin, C. (2006). Infinite-mean Models and the LDA for Operational Risk. Journal of Operational Risk, 1 (1): 3-25.

Palaro, H. & Hotta, L. (2006). Using conditional copulas to estimate value at risk. Journal of Data Science, 4 (1): 93-115.

Patton, A. (2001). Applications of Copula Theory in Financial Econometrics. (Unpublished Ph.D. dissertation). University of California, San Diego, USA.

Schweizer, B. & Sklar, A. (1961). Associative functions and statistical triangle inequalities. Publicationes Mathematicae Debrecen, 8 (1): 169-186.

Sklar, A. (1959). Fonctions de repartition a n dimensions et leurs marges. Publicationsde l'Institut Statistique de l'Universite de Paris, 8 (1): 229-231.

آمار
تعداد مشاهده مقاله: 4,229
تعداد دریافت فایل اصل مقاله: 1,724


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب