تخمین ارزش در معرض ریسک (VaR) و ریزش مورد انتظار (ES) با استفاده از رویکرد ارزش فرین شرطی در بورس اوراق بهادار تهران

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار گروه حسابداری و مدیریت مالی، دانشکدۀ مدیریت و حسابداری پردیس فارابی، دانشگاه تهران، قم، ایران

2 دانشجوی کارشناسی ارشد مدیریت مالی دانشکدۀ مدیریت و حسابداری پردیس فارابی، دانشگاه تهران، قم، ایران

چکیده

این مقاله به برآورد ارزش در معرض ریسک و ریزش مورد انتظار با توجه به روش‎های نوین با تأکید بر رویکرد ارزش فرین شرطی و مقایسۀ آنها با عملکرد رویکرد­های پارامتریک می‎پردازد. روش­های معرفی‌شدۀ محاسبۀ ریسک بازار برای شاخص کل بورس اوراق بهادار تهران در دورۀ 1387 تا 1395 انجام شده است. به­علاوه، برای بررسی و مقایسۀ الگوها از روش­های پس­آزمایی VaR مانند آزمون­های استقلال­ تخطی­ها و پوشش برنولی و روش­های پس­آزمایی ES همچون آزمون مک­نیل­ و فری و آزمون رتبه­بندی MCS استفاده می‎شود. نتایج پس­آزمایی به‌دست‌آمده در این مقاله حاکی از برتری محاسبۀ VaR برگرفته از تئوری ارزش فرین شرطی در مقایسه با سایر مدل­های رقیب، از قبیل مدل ارزش فرین غیرشرطی، نرمال ایستا (روش واریانس ـ کواریانس) و نرمال شرطی (مدل گارچ) است. همچنین نتایج تابع MCS برای معیار ES نشان داد رویکرد­های ارزش فرین شرطی با فرض پسماندهای استانداردشدۀ تی. ­استیودنت، ارزش فرین شرطی با فرض پسماندهای استانداردشدۀ نرمال و مدل GARCH با فرض پسماندهای تی. ­استیودنت به‌ترتیب در رتبه­های اول تا سوم قرار می­گیرند

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Estimating of value at risk and expected shortfall by using conditional extreme value approach in Tehran Securities Exchange

نویسندگان [English]

  • Alireza Saranj 1
  • Marziyeh Nourahmadii 2
1 Assistant Prof., Faculty of Management and Accounting, Farabi Campus, Qom, Iran
2 MSc. Student in Finance, Faculty of Management and Accounting, Farabi Campus, Qom, Iran
چکیده [English]

This paper investigates the relative performance of Value-at-Risk (VaR) and expected shortfall (ES) models using daily overall index data from TSE for a period of 8 years from 2008 to 2016. The main emphasis of the study has been given to Conditional Extreme Value Theory (CEVT) and to evaluate how well Conditional EVT model performs in modeling tails of distributions and in estimating and forecasting VaR and ES measures. We also compare them with parametric approaches. We have compared the accuracy of Conditional EVT approach to VaR and ES estimation with other competing models. We use Bernoulli coverage and Independence of violation tests for backtesting the VaR models and McNeil & Frey’s Backtest and Model Confidence Set to assess the performance of the ES models. The best performing VaR and ES models is found to be the Conditional EVT. MCS function result for ES also shows that the Conditional EV with student's t standardized residuals, Conditional EV with normal standardized residuals and GARCH with student's t residuals models are respectively ranked first to third.

کلیدواژه‌ها [English]

  • Value at Risk
  • Expected shortfall
  • Conditional Extreme Value Theory
  • Peak over threshold method
Acerbi, C., & Tasche, D. (2002). Expected Shortfall: a natural coherent alternative to Value at Risk. Economic notes, 31(2), 379-388.‏
Artzner, P., Delbaen, F., Eber, J. & Heath, D. (1999). Coherent Risk Measures. Mathematical Finance, 9(3), 203-228.
Bajalan, S., Raei, R. & Mohammadi, S. (2016). Modeling Insurance Claims Distribution through Combining Generalized Hyperbolic Skew-t Distribution with Extreme Value Theory. Journal of Financial Research, 18(1), 39-58.
(in Persian)
Bali, T.G. & Neftci, S.N. (2003). Disturbing extremal behavior of spot rate dynamics. Journal of Empirical Finance, 10(4), 455-477.
Danielsson, J. & de Vries, C. G. (1997). Tail index and quantile estimation with very high frequency data. Journal of empirical Finance, 4(2), 241-257.
Dimitrakopoulos, D. N., Kavussanos, M. G., & Spyrou, S. I. (2010). Value at risk models for volatile emerging markets equity portfolios. The Quarterly Review of Economics and Finance, 50(4), 515-526.‏
Dowd, K. (2005). Measuring market risk. England, John Wiley & Sons.
Falahtalab, H., Azizi, M. (2014). Application of Extreme Value Theory in Value at Risk forecasting. Journal of Investment Knowledge, 3(12), 159-180.
(in Persian)
Fallahpour, S., Yar-Ahmadi, M., (2013). Estimation of Value at Risk by using Extreme Value Theory in Tehran Stock Exchange. Journal of Financial Engineering and Portfolio Management, 4(13), 133-158. (in Persian)
Gencay, R. & Selcuk, F. (2004). Extreme value theory and Value-at-Risk: Relative performance in emerging markets. International Journal of Forecasting, 20(2), 287-303.
Gençay, R. & Selçuk, F. (2006). Overnight borrowing, interest rates and extreme value theory. European Economic Review, 50(3), 547-563.
Hansen, P., Lunde, A. & Nason, J. (2011). The model confidence set. Econometrica, 79 (2), 453-497.
Ho, L. C., Burridge, P., Cadle, J. & Theobald, M. (2000). Value-at-risk: Applying the extreme value approach to Asian markets in the recent financial turmoil. Pacific-Basin Finance Journal, 8(2), 249-275.‏
Hull, J. (2015). Risk Management and Financial Institutions. (Vol. 733). John Wiley & Sons.
Karmakar, M. & Shukla, G. K. (2015). Managing extreme risk in some major stock markets: An extreme value approach. International Review of Economics & Finance, 35, 1-25.
Longin, F. M. (1996). The asymptotic distribution of extreme stock market returns. Journal of business, 69(3), 383-408.
McNeil, A. J., & Frey, R. (2000). Estimation of tail-related risk measures for heteroscedastic financial time series: an extreme value approach. Journal of empirical finance, 7(3), 271-300.
Müller, U. A., Dacorogna, M. M., & Pictet, O. V. (1998). Heavy tails in high-frequency financial data. A practical guide to heavy tails: Statistical techniques and applications, 55-78.‏ ISBN: 0-8176-3951-9.
Mutu, S., Balogh, P. & Moldovan, D. (2011). The efficiency of value at risk models on central and eastern European stock markets. International Journal of Mathematics and Computers in Simulation, 5(2), 110-117.‏
Olsen, N.N. (2015). The Application of Historical Simulation in Expected Shortfall Prediction: An Empirical Analysis of Risk Models’ Forecasting Accuracy. Thesis for Master of Science in Finance, School of Business and Social Sciences Aarhus University.
Ray, C. I. (2010). Extreme risk management: revolutionary approaches to evaluating and measuring risk. McGraw-Hill.
Ren, F. & Giles, D. E. (2010). Extreme value analysis of daily Canadian crude oil prices. Applied Financial Economics, 20(12), 941-954.‏
Sajjad, R., Hedayati, S., Hedayati, S. (2014). Estimation of Value at Risk by using Extreme Value Theory. Journal of Investment Knowledge, 3(9), 133-158.
(in Persian)
Singh, A. K., Allen, D. E., & Robert, P. J. (2013). Extreme market risk and extreme value theory. Mathematics and computers in simulation, 94, 310-328.