پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,949,285 |
| تعداد دریافت فایل اصل مقاله | 89,621,389 |
برآورد ریزش مورد انتظار بر اساس نظریه ارزش فرین شرطی با استفاده از مدل مولتی فرکتال و داده‌های درون روزانه در بورس اوراق بهادار تهران | ||
| تحقیقات مالی | ||
| مقاله 2، دوره 22، شماره 1، 1399، صفحه 27-43 اصل مقاله (557.94 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/frj.2018.142184.1006131 | ||
| نویسندگان | ||
| سعید فلاح پور1؛ حامد طبسی* 2 | ||
| 1استادیار، گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
| 2دانشجوی دکتری، گروه مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
| چکیده | ||
| هدف: پس از بحران مالی سال 2008، فعالان و پژوهشگران علوم مالی به اندازه‌گیری و مدل‌سازی ریسک بیش از پیش توجه نشان داده‌اند. از جمله سنجه‌هایی که برای اندازه‌گیری ریسک به آنها توجه شده، ریزش مورد انتظار است. هدف از این پژوهش ارائه مدلی جدید به‌منظور برآورد ریزش مورد انتظار است. مدل ارائه شده، مدلی ترکیبی با استفاده از نظریه ارزش فرین است که از داده‌های درون‌روزی نیز بهره می‌جوید. روش: روش استفاده‌شده در این پژوهش دارای دو گام است. گام نخست به برازش مدل معرفی‌شده و مدلهای جایگزین با استفاده از داده‌های بورس تهران می‌پردازد و در گام دوم مدلهای برازش‌شده پس‌آزمایی می‌شوند. یافته‌ها: یافته‌های حاصل از پژوهش نشان می‌دهند که مدل فراتر از آستانه شرطی مولتی فرکتال که از داده‌های درون‌روزی بهره می‌جوید، در مقایسه با مدلهای جایگزین نظیر فراتر از آستانه شرطی گارچ در برآورد ریسک بازار عملکرد بهتری داشته است. نتیجه‌گیری: با توجه به یافته‌های این پژوهش می‌توان نتیجه گرفت که استفاده از نظریه ارزش فرین و داده‌های درون‌روزی موجب بهبود برآورد ریسک بازار شده است. | ||
| کلیدواژه‌ها | ||
| پس‌آزمایی؛ داده‌های درون‌روزی؛ ریزش مورد انتظار؛ مدل فراتر از آستانه؛ مدل نوسان مولتی فراکتال | ||
| عنوان مقاله [English] | ||
| Estimation of Expected Shortfall Based on Conditional Extreme Value Theory Using Multifractal Model and Intraday Data in Tehran Stock Exchange | ||
| نویسندگان [English] | ||
| Saeed Fallahpour1؛ Hamed Tabasi2 | ||
| 1Associate Prof., Department of Financial Management and Insurance, Faculty of Management, University of Tehran, Tehran, Iran. | ||
| 2Ph.D. Candidate, Department of Financial Management, Faculty of Management, University of Tehran, Tehran, Iran. | ||
| چکیده [English] | ||
| Objective: After the financial crisis in 2008, market practitioners and financial researchers began to attach more importance to risk measurement and modeling. Expected shortfall is recognized risk measures in financial literature. Methods: By the estimation of expected shortfall as a coherent risk measure, and by use of conditional extreme value theory and combining new volatility measures, this research attempts to introduce a new model for risk measurement. Intraday data has been used in this research in order to estimate mentioned risk measures. Results: The results show that in comparison with alternative models, such as GARCH conditional peak over threshold models, multifractal conditional peak over threshold models, which utilize intraday data, perform better in risk estimation. In addition, the use of extreme value theory brings about more favorable results in risk estimation. In this research, we use a new back-testing models in order to back-test expected shortfall. Conclusion: The use of the normal distribution function for the disruption components to estimate the expected drop has not been successful, and has led to an estimate of the low risk category. The use of Student's t-distribution in estimating risk measures has been acceptable, although in some cases it has led to an estimate of high risk. Considering extreme value theory of value in the above models has in most cases led to improved model performance. This means that it has moderately adjusted the estimates of the upper hand and the estimates of the. | ||
| کلیدواژه‌ها [English] | ||
| Back-testing, Expected shortfall, Intraday data, Multifractal Volatility Model, Peak-over Threshold Model | ||
| مراجع | ||
|
تهرانی، رضا؛ نمکی، علی؛ هدایتیفر، لیلا (1391). همبستگی متقابل شاخصهای بورس اوراق بهادار تهران با استفاده از تحلیل چندفرکتالی همبستگی بدون روند شده، تحقیقات مالی، 14(1)، 55-68. جلایی، سید عبدالمجید؛ ابوالحسینی، علی (1388). بررسی خواص فرکتالی در رفتار نرخ ارز ایران. مطالعات اقتصاد بینالملل، 35(2)، 39-48. رادپور، میثم (1387). ارزش در معرض خطر و آزمون آن در بورس اوراق بهادار تهران. پایاننامه. دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی. رهنمای رودپشتی، فریدون؛ کلانتری دهقی، مهدیه (1393). مدلهای مولتی فرکتال در علوم مالی: ریشه، ویژگیها و کاربردهای آنها. دانش مالی تحلیل اوراق بهادار، 7(24)، 68- 91. زمانی، شیوا؛ اسلامی بیدگلی، سعید؛ کاظمی، معین (1392). محاسبه ارزش در معرض ریسک شاخص بورس اوراق بهادار تهران با استفاده از نظریه ارزش فرین. فصلنامه بورس اوراق بهادار، (21)، 115- 136. فلاحپور، سعید؛ رضوانی، فاطمه؛ رحیمی، محمدرضا (1394). برآورد ارزش در معرض ریسک شرطی با استفاده از مدلهای ناهمسانی واریانس شرطی متقارن و نامتقارن در بازار طلا و نفت. دانش مالی تحلیل اوراق بهادار، 8(26)، 45- 63. کریمی، سمیرا (1391). محاسبه وجه تضمین قراردادهای آتی سکه طلا با استفاده از نظریه ارزش فرین شرطی. پایان نامه کارشناسی ارشد، دانشکده مدیریت و اقتصاد دانشگاه صنعتی شریف. گرگانی، مصطفی؛ حداد، احمد؛ شهریار، بهنام (1391). محاسبه نرخ بهره بهینه اوراق قرضه فاجعه‌آمیز بیمه رشته آتش‌سوزی کشور با استفاده از رویکرد نظریه مقدار کرانی. تحقیقات مالی، 14(1)، 101- 116. محمدی، شاپور؛ راعی، رضا؛ فیضآباد، آرش (1387). محاسبه ارزش در معرض خطر پارامتریک با استفاده از مدلهای ناهمسانی واریانس شرطی در بورس اوراق بهادار تهران. تحقیقات مالی، 10(25)، 109- 124.
References Artzner, P.., Delbean, F., Eber, J. (1998). Coherent Measures of Risk. Mathematical Finance, 9 (3), 203-228. Balkema, A. A., De Haan, L. (1974). Residual Life Time at Great Age. The Annals of Probability, 2(5), 114-137. Bhattacharyya, M., Ritolia, G. (2006). Conditional VaR Using EVT–Towards a Planned Margin Scheme. International Review of Financial Analysis, 17 (2), 382-395. Brooks, C., Clare, A.D., Dalle, M., Persand, J.W. (2005). A Comparison of Extreme Value Theory Approaches for Determining Value at Risk. Journal of Empirical Finance, 12 (2), 339-352. Calvet, L.E., Fisher, A.J. (2001). Forecasting Multifractal Volatility. Journal of Econometrics, 105, 27-58. Cotter, J. (2000). Extreme Risk in Future Contracts. Applied Economics Letter, 12(8), 489-492. Cotter, J., Longin, F. (2006). Margin Setting with High-Frequency Data. MPRA Paper 3528, University Library of Munich, Germany. Danielsson, J., De Haan, L., Peng L., De Vries, C. (2001). Using a Bootstrap Method to Choose the Sample Fraction in Tail Index Estimation. Journal of Multivariate Analysis, 76 (2), 226–248. Embrechts, P., Kaufmann, R., Patie, P. (2005). Strategic Long-term Financial Risks: Single Risk Factors. Computational Optimization and Applications, 32 (2), 61–90. Fallahpour, S., Rezvani, F., Rahimi, M. (2015). Estimating Conditional VaR Using Symmetric and Non-Symmetric Autoregressive Models in Old and Oil Markets. Financial Knowledge of Securities Analysis, 8 (26), 45-63. (in Persian) Gencay, R., Selcuk, F., Ulgulyagci, A. (2003). High Volatility, Thick Tails and Extreme Value Theory in VAR Estimation. Journal of Insurance: Mathematics and Economics, 33, 337-356. Ghorbel, A., Trabelsi, A. (2009). Measure of Financial Risk Using Conditional Extreme Value Copulas with EVT Margins. Journal of Risk, 11 (4), 51-85. Gorgani, M., Hadad, A.A., Shahriar, B. (2012). The Calculation of Optimal Interest Rate of Fire Insurance Catastrophe Bonds in Iran using Extreme Value Theory. Financial Research Journal, 14 (1), 101-116. (in Persian) Jalaee, S.E., Abolhosseini, A. (2009). Multifractal Characteristics of Iranian Rial’s Exchange Rate. International Economics Studies, 35 (2), 39-48. (in Persian) Kao, T., Lin, Ch. (2010). Setting Margin Levels in Futures Markets: An Extreme Value Method. Nonlinear Analysis Real World Applications, 11(3), 1704-1713. Karimi, S. (2012). Estimating Required Margin of the Gold Future Contracts Using Extreme Value Theory. Bachelor’ Thesis, Faculty of Management and Economics Sharif University. (in Persian) Kjellson, B. (2013). Forecasting Expected Shortfall an Extreme Value Approach. Bachelor's thesis, Faculty of Science Mathematical Statistics Lund University. Kourouma, L., Dupre, D., Sanfilippo, G., Taramasco, O. (2011). Extreme Value at Risk and Expected Shortfall during Financial Crisis. Halshs Working paper. Liu, R., Lux, T. (2013). Multifractality and Long-Range Dependence of Asset Returns: The Scaling Behavior of the Marcov-Switching Multifractal Model with Lognormal Volatility Components. Advances in Complex Systems, 11 (5), 669-684. Longin, F. M. (1995). From Value at Risk, To Stress Testing, The Extreme Value Approach. Journal of Banking & Finance, 24 (7), 1097-1130. Lux, T., Morales-Arias, L., Sattarhoff , C. (2008). A Markov-switching Multifractal Approach to Forecasting Realized Volatility. Kiel Institute for the World Economy (IfW) 1737, Kiel Working Papers. McNeil, A.J. & Frey, R. (2000). Estimation of Tail-Related Risk Measures for Heteroskedastic Financial Time Series: An Extreme Value Approach. Journal of Empirical Finance, 7 (4), 271-300. Mohammadi, Sh., Raei, R., Faizabad, A. (2008). Forecasting Value-at-Risk Using Conditional Volatility Models: Evidence from Tehran Stock Exchange. Financial Research Journal, 10 (25), 109-124. (in Persian) Norouzzadeh, P., Rahmani, B. (2005). A Multifractal Detrended Fluctuation Description of Iranian Rial–US Dollar Exchange Rate. Physica A: Statistical Mechanics and its Applications, 367, 328-336. Pickands, J. (1975). Statistical Inference Using Extreme Order Statistics. The Annals of Statistics, 3 (1), 119-131. Raadpour, M. (2008). Value at Risk at Tehran Stock Exchange. Master's thesis, Faculty of Management and Accounting Shahid Beheshti University. (in Persian) Raei, R., Bolgorian, M. (2011). A Multifractal Detrended Fluctuation Analysis of Trading Behavior of Individual and Institutional Traders in Tehran Stock Market. Physica A, 390, 3815–382. Roodposhti, F., Kalantri, D. M. (2004). Multifractal Models in Finance: Characteristics and Applications, Financial Knowledge of Securities Analysis, 7 (24), 68-91. (in Persian) Soltane, H.B., Karaa, A., Bellalah, M. (2012). Conditional VaR Using GARCH-EVT Approach: Forecasting Volatility in Tunisian Financial Market. Journal of Computations & Modelling, 2 (2), 95-115. Tehrani, R., Namaki, A., Hedayatifar, L. (2012). The Cross-correlation Structure of Tehran Stock Exchange Indexes by Multifractal Detrended Fluctuation Analysis. Financial Research Journal, 14 (1), 55-68. (in Persian) Wei, Y., Wang, P. (2008). Forecasting Volatility of SSEC in Chinese Stock Market Using Multifractal Analysis. Physica A., 387, 1585–1592. Zamani, Sh., Bidgoli, S., Kazemi, M. (2013). Estimation of Tehran Security Index’s Value at Risk using Extreme Value Theory. Journal of Securities Exchange, 21, 115-136. | ||
|
آمار تعداد مشاهده مقاله: 682 تعداد دریافت فایل اصل مقاله: 589 |
||