![سامانه نشر مجلات علمی دانشگاه تهران](./data/logo.png)
تعداد نشریات | 162 |
تعداد شمارهها | 6,578 |
تعداد مقالات | 71,072 |
تعداد مشاهده مقاله | 125,696,725 |
تعداد دریافت فایل اصل مقاله | 98,927,633 |
تخمین ارزش در معرض ریسک (VaR) و ریزش مورد انتظار (ES) با استفاده از رویکرد ارزش فرین شرطی در بورس اوراق بهادار تهران | ||
تحقیقات مالی | ||
مقاله 18، دوره 18، شماره 3، آذر 1395، صفحه 437-460 اصل مقاله (520.11 K) | ||
نوع مقاله: مقاله علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jfr.2016.62450 | ||
نویسندگان | ||
علیرضا سارنج* 1؛ مرضیه نوراحمدی2 | ||
1استادیار گروه حسابداری و مدیریت مالی، دانشکدۀ مدیریت و حسابداری پردیس فارابی، دانشگاه تهران، قم، ایران | ||
2دانشجوی کارشناسی ارشد مدیریت مالی دانشکدۀ مدیریت و حسابداری پردیس فارابی، دانشگاه تهران، قم، ایران | ||
چکیده | ||
این مقاله به برآورد ارزش در معرض ریسک و ریزش مورد انتظار با توجه به روشهای نوین با تأکید بر رویکرد ارزش فرین شرطی و مقایسۀ آنها با عملکرد رویکردهای پارامتریک میپردازد. روشهای معرفیشدۀ محاسبۀ ریسک بازار برای شاخص کل بورس اوراق بهادار تهران در دورۀ 1387 تا 1395 انجام شده است. بهعلاوه، برای بررسی و مقایسۀ الگوها از روشهای پسآزمایی VaR مانند آزمونهای استقلال تخطیها و پوشش برنولی و روشهای پسآزمایی ES همچون آزمون مکنیل و فری و آزمون رتبهبندی MCS استفاده میشود. نتایج پسآزمایی بهدستآمده در این مقاله حاکی از برتری محاسبۀ VaR برگرفته از تئوری ارزش فرین شرطی در مقایسه با سایر مدلهای رقیب، از قبیل مدل ارزش فرین غیرشرطی، نرمال ایستا (روش واریانس ـ کواریانس) و نرمال شرطی (مدل گارچ) است. همچنین نتایج تابع MCS برای معیار ES نشان داد رویکردهای ارزش فرین شرطی با فرض پسماندهای استانداردشدۀ تی. استیودنت، ارزش فرین شرطی با فرض پسماندهای استانداردشدۀ نرمال و مدل GARCH با فرض پسماندهای تی. استیودنت بهترتیب در رتبههای اول تا سوم قرار میگیرند | ||
کلیدواژهها | ||
ارزش در معرض ریسک؛ تابع مجموعۀ اطمینان مدل؛ تئوری ارزش فرین شرطی؛ روشهای پس آزمایی؛ رویکرد فراتر از آستانه؛ ریزش مورد انتظار | ||
مراجع | ||
Acerbi, C., & Tasche, D. (2002). Expected Shortfall: a natural coherent alternative to Value at Risk. Economic notes, 31(2), 379-388. Artzner, P., Delbaen, F., Eber, J. & Heath, D. (1999). Coherent Risk Measures. Mathematical Finance, 9(3), 203-228. Bajalan, S., Raei, R. & Mohammadi, S. (2016). Modeling Insurance Claims Distribution through Combining Generalized Hyperbolic Skew-t Distribution with Extreme Value Theory. Journal of Financial Research, 18(1), 39-58. Bali, T.G. & Neftci, S.N. (2003). Disturbing extremal behavior of spot rate dynamics. Journal of Empirical Finance, 10(4), 455-477. Danielsson, J. & de Vries, C. G. (1997). Tail index and quantile estimation with very high frequency data. Journal of empirical Finance, 4(2), 241-257. Dimitrakopoulos, D. N., Kavussanos, M. G., & Spyrou, S. I. (2010). Value at risk models for volatile emerging markets equity portfolios. The Quarterly Review of Economics and Finance, 50(4), 515-526. Dowd, K. (2005). Measuring market risk. England, John Wiley & Sons. Falahtalab, H., Azizi, M. (2014). Application of Extreme Value Theory in Value at Risk forecasting. Journal of Investment Knowledge, 3(12), 159-180. Fallahpour, S., Yar-Ahmadi, M., (2013). Estimation of Value at Risk by using Extreme Value Theory in Tehran Stock Exchange. Journal of Financial Engineering and Portfolio Management, 4(13), 133-158. (in Persian) Gencay, R. & Selcuk, F. (2004). Extreme value theory and Value-at-Risk: Relative performance in emerging markets. International Journal of Forecasting, 20(2), 287-303. Gençay, R. & Selçuk, F. (2006). Overnight borrowing, interest rates and extreme value theory. European Economic Review, 50(3), 547-563. Hansen, P., Lunde, A. & Nason, J. (2011). The model confidence set. Econometrica, 79 (2), 453-497. Ho, L. C., Burridge, P., Cadle, J. & Theobald, M. (2000). Value-at-risk: Applying the extreme value approach to Asian markets in the recent financial turmoil. Pacific-Basin Finance Journal, 8(2), 249-275. Hull, J. (2015). Risk Management and Financial Institutions. (Vol. 733). John Wiley & Sons. Karmakar, M. & Shukla, G. K. (2015). Managing extreme risk in some major stock markets: An extreme value approach. International Review of Economics & Finance, 35, 1-25. Longin, F. M. (1996). The asymptotic distribution of extreme stock market returns. Journal of business, 69(3), 383-408. McNeil, A. J., & Frey, R. (2000). Estimation of tail-related risk measures for heteroscedastic financial time series: an extreme value approach. Journal of empirical finance, 7(3), 271-300. Müller, U. A., Dacorogna, M. M., & Pictet, O. V. (1998). Heavy tails in high-frequency financial data. A practical guide to heavy tails: Statistical techniques and applications, 55-78. ISBN: 0-8176-3951-9. Mutu, S., Balogh, P. & Moldovan, D. (2011). The efficiency of value at risk models on central and eastern European stock markets. International Journal of Mathematics and Computers in Simulation, 5(2), 110-117. Olsen, N.N. (2015). The Application of Historical Simulation in Expected Shortfall Prediction: An Empirical Analysis of Risk Models’ Forecasting Accuracy. Thesis for Master of Science in Finance, School of Business and Social Sciences Aarhus University. Ray, C. I. (2010). Extreme risk management: revolutionary approaches to evaluating and measuring risk. McGraw-Hill. Ren, F. & Giles, D. E. (2010). Extreme value analysis of daily Canadian crude oil prices. Applied Financial Economics, 20(12), 941-954. Sajjad, R., Hedayati, S., Hedayati, S. (2014). Estimation of Value at Risk by using Extreme Value Theory. Journal of Investment Knowledge, 3(9), 133-158. Singh, A. K., Allen, D. E., & Robert, P. J. (2013). Extreme market risk and extreme value theory. Mathematics and computers in simulation, 94, 310-328. | ||
آمار تعداد مشاهده مقاله: 2,685 تعداد دریافت فایل اصل مقاله: 1,810 |