پیش بینی ارزش در معرض ریسک روزانه شاخص بورس تهران با رویکرد گارچ تحقق یافته
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 74
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_QJERP-31-105_003
تاریخ نمایه سازی: 18 تیر 1403
چکیده مقاله:
ارزش در معرض ریسک به عنوان سنجه ای از ریسک همواره مورد توجه فعالین و پژوهشگران در حوزه مدیریت ریسک و بازار سرمایه بوده است. این اهمیت همواره پژوهشگران را در جهت افزایش دقت مدل های پیش بینی ارزش در معرض ریسک سوق داده است. در رویکردهای پارامتریک ارزش در معرض ریسک، از مدل های گارچ برای برآورد واریانس شرطی استفاده می شود که در آخرین تحولات در این رابطه، هانسن با استفاده از مبادلات پرتناوب درون روزی، مدل گارچ تحقق یافته را ارایه نمود. با توجه به نوسانات شدید اخیر بورس تهران در معاملات درون روزی، استفاده از گارچ تحقق یافته برای محاسبه ارزش در معرض ریسک می تواند دقت پیش بینی را افزایش دهد. در این مقاله با ترکیب توزیع های نرمال، تی-استیودنت و توزیع تعمیم یافته خطا با روش های گارچ مرسوم و روش جدید گارچ تحقق یافته، ارزش در معرض ریسک شاخص بورس تهران را با استفاده از روش نمونه گیری پنجره غلتان پیش-بینی نموده و سپس مقادیر پیش بینی شده را با استفاده از یک روش دو مرحله ای پس آزمایی، ارزیابی نموده و دقت مدل ها را با هم مقایسه می نماییم. نتایج بدست آمده حاکی از آن است که استفاده از روش جدید گارچ تحقق یافته در پیش بینی ارزش در معرض ریسک شاخص بورس تهران چه در سطح ۵% و چه در سطح ۱% منجر به دقت بالاتر برآورد می شود.
کلیدواژه ها:
GARCH models ، Realized GARCH ، Tehran Stock Exchange ، VaR ، مدل های گارچ ، مدل گارچ تحقق یافته ، بورس اوراق بهادار تهران ، ارزش در معرض ریسک.
نویسندگان
حمید کردبچه
Department of Economics, Faculty of Social Sciences and Economics, Alzahra University, Tehran,
محمدامین زابل
Department of Economics, Faculty of Economics and Manegement, Semnan University, Semnan,
اسمعیل ابونوری
Department of Economics, Faculty of Economics and Management, Semnan University, Semnan,
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
