مقایسۀ عملکرد مدل های GARCH چندمتغیره در تعیین ریسک پرتفوی

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار مدیریت مالی، دانشگاه الزهرا، تهران ، ایران

2 کارشناس ارشد مدیریت بازرگانی گرایش مالی، دانشگاه الزهرا (س)، تهران، ایران

چکیده

در این پژوهش عملکرد مدل­های GARCH چندمتغیره، برای محاسبة ارزش­ در معرض ­ریسک، مقایسه شده است. بدین‌منظور از پرتفویی شامل شاخص­های هفتگی TEDPIX، KLSE و 100 XU برای مدت ده سال استفاده شد. برای تخمین ارزش ­در­ معرض ریسک، ابتدا مدل­های CCC، DCC انگل، DCC تز و تسو و DECO-GARCH با استفاده از نرم‎افزار OxMetrics تخمین‎زده شدند. سپس با کمینه‎کردن معیارهای اطلاعاتی و حداکثر راست‌نمایی، مقدار وقفه­های بهینه به‎دست آمد. پس از تأیید کفایت مدل­ها، ماتریس واریانس کواریانس آنها برای تخمین ریسک استفاده شد. نتایج نشان داد، گرچه مدل CCC، ماتریس واریانس را بهتر تخمین می­زند، مدل DECO-GARCH به‌واسطة به‌کارگیری کامل­تر اطلاعات ماتریس همبستگی، بهتر از دیگر مدل­ها، ارزش در معرض ریسک را محاسبه می­کند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Using MGARCH to Estimate Value at Risk

نویسندگان [English]

  • Mohammad Reza Rostami 1
  • Fatemeh Haqiqi 2
1 Assistant Prof., Finance, Alzahra University, Tehran, Iran
2 M.Sc., Finance, Alzahra University, Tehran, Iran
چکیده [English]

In this paper we compared multivariate GARCH models to
estimate Value-at-Risk. We used a portfolio of weekly indexes
including TEDPIX, KLSE, XU100 during ten years. To estimate
Value-at-Risk, first we estimated CCC, DCC of Engle, DCC of Tse
and Tsui, Dynamic Equi correlation models by OxMetrics. Then,
optimum lags were estimated by minimizing the information criteria.
To estimate VaR, the models accuracy was validated by using
variance-covariance matrix. The results show that although CCC
model estimates variance matrix better, Dynamic Equi correlation is
preferable to estimate Value-at-Risk, employing more complete
correlation matrix.

کلیدواژه‌ها [English]

  • Conditional Dynamic Equi Correlation
  • MGARCH Models
  • Value at Risk

فایل ها

هم رسانی

ارجاع به این مقاله

آمار