محاسبه ارزش در معرض خطر پارامتریک با استفاده از مدل‌های ناهمسانی واریانس شرطی در بورس اوراق بهادار تهران

نویسندگان

چکیده

در این تحقیق عملکرد روش پارامتریک در پیش بینی مقادیر ارزش در معرض خطر در مورد دو پرتفوی متشکل از شرکت‌های بورس اوراق بهادار تهران (پرتفوی متشکل از تمامی شرکت‌ها و پرتفوی متشکل از 50 شرکت با نقدشوندگی بالا) مورد بررسی قرار می‌گیرد. برای این منظور، پس از محاسب? مقادیر ارزش در معرض خطر یک روزه و ده روزه با استفاده از برخی مدل‌های خانواد? ARCH بر روی سه توزیع آماری نرمال، t- استیودنت و توزیع خطای تعمیم یافته، نتایج بدست آمده با استفاده از آزمون پس نگر در حجم‌های نمونه‌ای متفاوت‌، در سطوح اطمینان پایین و بالا مورد مقایسه و تحلیل قرار می‌گیرند. نتایج بدست آمده نشان می‌دهند که اول این‌که، پیش‌بینی مقادیر ارزش در معرض خطر یک روزه و ده روزه با استفاده از توزیع‌های لپتوکورتیک از دقت و عملکرد بالاتری برخوردار می‌باشند. دوم این‌که، انتخاب حجم‌های نمونه‌ای متفاوت بر تعداد و نتایج مدل‌هایی که ارزش در معرض خطر را به درستی تخمین می‌زنند تأثیر‌گذار است.

کلیدواژه‌ها


عنوان مقاله [English]

Forecasting Value-at-Risk Using Conditional Volatility Models: Evidence from Tehran Stock Exchange

چکیده [English]

In this paper, we investigate the performance of parametric ARCH
class models to forecast out-of-sample VaR for two portfolios of
Tehran Stock Exchange (TSE) companies (Market portfolio and a
portfolio of 50 liquid companies), using a number of distributional
assumptions and sample sizes at low and high confidence levels. We
find, first, that leptokurtic distributions are able to produce better oneday-
ahead and 10-day-ahead VaR forecasts; second, the choice of
sample size is important for the accuracy of the forecasts.

کلیدواژه‌ها [English]

  • Backtesting
  • C52
  • Conditional Volatility
  • JEL Classification: C22
  • Loss Function
  • Value at Risk (VAR)
  • C53
  • G15
  • G15.