تعداد نشریات | 161 |
تعداد شمارهها | 6,565 |
تعداد مقالات | 70,861 |
تعداد مشاهده مقاله | 125,040,807 |
تعداد دریافت فایل اصل مقاله | 98,271,117 |
تحلیل حساسیت آزمونهای پسآزمایی چندجملهای دومرحلهای برای ارزیابی ارزش در معرض ریسک | ||
تحقیقات مالی | ||
دوره 23، شماره 4، 1400، صفحه 523-544 اصل مقاله (852.38 K) | ||
نوع مقاله: مقاله علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/frj.2021.317733.1007136 | ||
نویسندگان | ||
محمد علی رستگار* 1؛ مهدی همتی2 | ||
1استادیار، گروه مهندسی مالی، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران. | ||
2کارشناسی ارشد، گروه مالی، دانشکده مدیریت و مالی، دانشگاه خاتم، تهران، ایران. | ||
چکیده | ||
هدف: امروزه اندازهگیری ریسک بازار اهمیت ویژهای دارد؛ چراکه برآورد نادرست چنین ریسکی، به بحرانهای مالی و ورشکستگی منجر میشود. یکی از شیوههای بسیار رایج برای برآورد ریسک بازار، رویکرد ارزش در معرض ریسک (VaR) است که پژوهشگران روشهای مختلفی برای تخمین و پسآزمایی آن ارائه کردهاند. هدف این پژوهش، ارائه آزمونی جامع برای پسآزمایی و تحلیل حساسیت پسآزمایی تخمین VaR نسبت به دو پارامتر تعداد نمونه (n) و سطح اطمینان (N) است. روش: ابتدا با استفاده از روشهای گارچ ـ کاپولا، همبستگی شرطی پویا و نظریه ارزش فرین تخمین VaR شامل دادههای بورس اوراق بهادار تهران انجام شد و با استفاده از آزمون چندجملهای، در دو مرحله به پسآزمایی دقت تخمین VaR و رتبهبندی روشها پرداخته شد. سپس با در نظرگرفتن تعداد نمونه (n) و مقدار سطوح مختلف (N)، روی پسآزمایی روشهای تخمین، تحلیل حساسیت انجام گرفت و در نهایت، بازههای مقادیر n و N که به تخمین دقیق VaR منجر میشود، انتخاب شد. یافتهها: نتایج این تحلیل حساسیت مشخص کرد که در هر سه روش، با افزایش مقدار N، میزان خطا نیز افزایش مییابد. از سوی دیگر، تحلیل حساسیت پارامتر n نشان داد که مقدار این پارامتر، به روش استفاده شده در برآورد تخمین VaR وابسته است؛ اما بهطورکلی، افزایش آن به معتبر شدن روشهای تخمین VaR منجر میشود. افزون بر این، مشخص شد که به ازای روش نظریه ارزش فرین، باید حداقل 29درصد دادهها برای نمونه آزمون در تخمین VaR بهکار گرفته شود؛ اما برای دو روش همبستگی شرطی پویا و گارچ ـ کاپولا این مقدار 22درصد است. نتیجهگیری: نتایج نشان داد که اعتبار روشهای تخمین VaR به دو پارامتر n و N حساس است و به ازای مقادیر متفاوت از آنها، ممکن است روشهای مختلف معتبر نباشند. علاوه بر این، در رتبهبندی روشهای تخمین با استفاده از تابع زیان، روشهای گارچ ـ کاپولا، نظریه ارزش فرین و همبستگی شرطی پویا، بهترتیب در رتبههای اول تا سوم قرار گرفتند. | ||
کلیدواژهها | ||
تحلیل حساسیت؛ پسآزمایی؛ ارزش در معرض ریسک (VaR) | ||
مراجع | ||
راعی، رضا؛ باسخا، حامد؛ مهدیخواه، حسین (1399). بهینهسازی سبد سهام با استفاده از روش Mean-CVaR و رویکرد ناهمسانی واریانس شرطی متقارن و نامتقارن. تحقیقات مالی، 22(2)، 149- 159.
رستمی نوروزآباد، مجتبی؛ شجاعی عبدالناصر؛ خضری، محسن؛ رحمانی نوروزآباد، سامان (1394). تخمین ارزش در معرض ریسک بازده بورس اوراق بهادار تهران با استفاده از آنالیز موجک. تحقیقات مالی، 17(1)، 59-82.
سارنج، علیرضا؛ نوراحمدی، مرضیه (1395). 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، 18(3)، 437- 460.
شکاری داریان، سحر (1397). پیشبینی ارزش در معرض خطر براساس کاپولای متغیر با زمان. پایاننامه کارشناسی ارشد، دانشگاه خاتم.
طالبلو، رضا؛ داودی، محمد مهدی (1397). برآورد پرتفوی بهینه سرمایهگذاری با استفاده از دو الگوی ارزش در معرض ریسک (VaR) و ریزش مورد انتظار (ES): رهیافت GARCH-EVT-Copula. فصلنامه پژوهشنامه اقتصادی، 18(71)، 91- 125.
طالبلو، رضا؛ داودی، محمد مهدی (1399). محاسبه ارزش در معرض خطر: رویکرد DCC-GARCH-Copula. فصلنامه پژوهشهای اقتصادی ایران، 25(82)، 43-82.
کاشی، منصور؛ حسینی، سیدحسن؛ نیازخانی، عطیهالسادات؛ عبدالهی، سیدامین (1395). مدلسازی و پس آزمایی VaR از لحاظ موقعیتهای کوتاه و بلندمدت با توجه به ارزشهای دورن و برون نمونه: کاربردی از مدل های خانواده GARCH انباشته کسری. مجله مهندسی مالی و مدیریت اوراق بهادار، 7 (29)،1- 24.
کشاورز حداد، غلامرضا؛ حیرانی، مهرداد (1393). برآورد ارزش در معرض ریسک با وجود ساختار وابستگی بین بازدهیهای مالی: رهیافت مبتنی بر توابع کاپولا. مجله تحقیقات اقتصادی، 49 (4)، 869- 902.
گرجی، مهسا؛ سجاد، رسول (1395)، برآورد ارزش در معرض خطر چنددورهای بر پایة روشهای شبیهسازی و پارامتریک. تحقیقات مالی، 18(1)، 167- 184.
References Angelidis, T., & Degiannakis, S. A. (2018). Backtesting VaR Models: A Τwo-Stage Procedure. Available at SSRN 3259849. Bellini, F., Negri, I., & Pyatkova, M. (2019). Backtesting VaR and expectiles with realized scores. Statistical Methods & Applications, 28(1), 119-142. Braione, M., & Scholtes, N. K. (2016). Forecasting value-at-risk under different distributional assumptions. Econometrics, 4(1), 3. Bücher, A., Posch, P. N., & Schmidtke, P. (2020). Using the Extremal Index for Value-at-Risk Backtesting. Journal of Financial Econometrics, 18(3), 556-584. Christoffersen, P., & Pelletier, D. (1998). Backtesting value-at-risk: A duration-based approach. Journal of Financial Econometrics, 2(1), 84-108. De Haan, L., & Ferreira, A. (2006). Extreme value theory: an introduction. Springer Science & Business Media. Engle, R. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339-350. Gkillas, K., & Katsiampa, P. (2018). An application of extreme value theory to cryptocurrencies. Economics Letters, 164, 109-111. Gorji, M. & Sajjad, R. (2016). Estimation of multi-period VaR based on the simulation and parametric methods. Financial Research Journal, 18(1), 167-184. (in Persian) Kashi, M., Hosseyni, H., Niazkhani, A., & Abdollahi, A. (2016). VaR modeling and backtesting of short and long positions according to in Sample and out of Sample: application of family models Fractionally Integrated GARCH. Journal of Financial Engineering and Portfolio Management, 7(29), 1-24. (in Persian) Keshavarz Hadad. Q., & Heyrani. M. (2015). Estimation of Value at Risk in the Presence of Dependence Structure in Financial Returns: A Copula Based Approach. Journal of Economic Research, 49(4), 869-902. (in Persian) Kratz, M., Lok, Y. H., & McNeil, A. J. (2018). Multinomial VaR Backtests: A simple implicit approach to backtesting expected shortfall. Journal of Banking & Finance, 88, 393-407. Kupiec, P. (1995). Techniques for verifying the accuracy of risk measurement models. The Journal of Derivatives, 3(2), 73-84. Patton, A. J. (2004). On the out-of-sample importance of skewness and asymmetric dependence for asset allocation. Journal of Financial Econometrics, 2(1), 130-168. Raei, R. Basakha, H., & Mahdikhah, H. (2020). Equity Portfolio Optimization Using Mean-CVaR Method Considering Symmetric and Asymmetric Autoregressive Conditional Heteroscedasticity. Financial Research Journal, 22(2), 149-159. (in Persian) Rostami Noroozabad, M. Shojaei, A. Khezri, M., & Rostami Noroozabad, S. (2015). Estimation of value at risk of return in Tehran Stock Exchange using wavelet analysis. Financial Research Journal, 17(1), 59-82. (in Persian) Saranj, A., & Nourahmadi, M. (2016). Estimating of value at risk and expected shortfall by using conditional extreme value approach in Tehran Securities Exchange. Financial Research Journal, 18(3), 437-460. (in Persian) Shekari, S. (2018). Predicting VaR based on time-varying Copula. Master Thesis, Kharazmi University. (in Persian) Taleblou, R., & Davoudi, M. (2018). Estimating the optimal investment portfolio by using Value at Risk (VaR) and Expected Shortfall (ES): GARCH-EVT-Copula approach. Journal of Applied Economics Studies, 18(71), 91-125. (in Persian) Taleblou, R., & Davoudi, M. (2020). Estimating of value at risk: DCC-GARCH-Copula Method. Iranian Journal of Economic Research, 25(82), 43-82. (in Persian) Wied, D., Weiß, G. N., & Ziggel, D. (2016). Evaluating Value-at-Risk forecasts: A new set of multivariate backtests. Journal of Banking & Finance, 72, 121-132. | ||
آمار تعداد مشاهده مقاله: 1,195 تعداد دریافت فایل اصل مقاله: 940 |