پیش بینی CVaR مبتنی بر معاملات درون روزی در ‎ETFهای بورس تهران: رویکرد مدل‎ های خود رگرسیون ناهمگن

هدف: این پژوهش به بررسی دقت مدل های خودرگرسیون ناهمگن در پیش بینی ارزش در معرض ریسک شرطی صندوق های قابل معامله در بورس تهران می پردازد. اهمیت موضوع از نیاز به مدیریت دقیق تر ریسک در بازارهای مالی ناشی می شود، جایی که نوسانات و پرش ها می توانند تاثیرات قابل توجهی بر تصمیم گیری های سرمایه گذاری داشته باشند.روش شناسی پژوهش: داده های ۹ صندوق سهامی، شاخصی و درآمد ثابت طی سال های ۱۳۹۹ تا ۱۴۰۱ با رویکرد درون روزی و فراوانی بالا (روزانه و پانزده دقیقه ای) تحلیل شدند. سه خانواده اصلی مدل های HAR با در نظر گرفتن متغیرهای مرتبط، ارزیابی شدند.یافته ها: نتایج نشان دادند که مدل های مبتنی بر تغییرات توان دوم در پیش بینی نوسانات تحقق یافته برتری داشتند. همچنین، پیش بینی CVaR در صندوق های شاخصی نسبت به صندوق های سهامی و درآمد ثابت دقیق تر بود و مدل خودرگرسیون ناهمگن مرتبه چهارم عملکرد بهتری نسبت به سایر مدل ها نشان داد.اصالت/ارزش افزوده علمی: این پژوهش، کاربرد مدل های HAR را در پیش بینی ریسک ETFs بررسی کرده و به عنوان یک مطالعه نوآورانه در بازار سرمایه ایران، چارچوبی مفید برای مدیریت ریسک و تصمیم گیری های سرمایه گذاری ارایه داده است.

کلیدواژه ها:

پیش‎بینی ، CVaR ، رگرسیون ناهمگن