برآورد ارزش در معرض ریسک و ریزش موردانتظار پرتفوی با استفاده از نظریۀ امکان و الزام فازی

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار گروه مهندسی مالی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

2 دانشجوی کارشناسی ارشد مهندسی مالی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

3 کارشناس ارشد مهندسی مالی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

چکیده

یکی از نگرانی‌های اصلی سرمایه‌گذاران و مدیران مالی، نحوۀ رویارویی با ریسک سرمایه‌گذاری و نوسان‎های بازده است؛ از این رو شناسایی، اندازه‌گیری و مدیریت ریسک، از موضوعات مهم در مباحث مالی تلقی می‌شود. در سال‌های اخیر، کانون توجه بسیاری از شرکت‌های مالی به معیار ارزش در معرض ریسک و ریزش مورد انتظار برای اندازه‌گیری ریسک پرتفوی است. از جمله مهم‎ترین مشکلات روش‌های ارائه شده در اندازه‌گیری ریسک، در نظر نگرفتن عدم قطعیت موجود در داده‌های مالی است. به همین دلیل در پژوهش پیش رو برای تطابق بیشتر مدل با واقعیت، به برآورد ارزش در معرض ریسک و ریزش موردانتظار پرتفوی با لحاظ عدم ‌قطعیت داده‌ها، پرداخته می‌شود. در این رابطه از مفهوم متغیر تصادفی فازی و نظریۀ امکان و الزام فازی، به‎منظور پوشش عدم‌قطعیت موجود در داده‌های مالی، استفاده شده است. در نظر گرفتن عوامل ریسک به‎صورت متغیر تصادفی، این امکان را برای سرمایه‌گذار فراهم می‌کند که با پذیرش سطح خاصی از عدم قطعیت، میزان ریسک پرتفوی خود را برآورد کند. علاوه‎بر این در پژوهش پیش رو، کلیه برآوردها با دو فرض توزیع نرمال و تی استیودنت انجام شده و نتایج به‎دست آمده از حل مدل با داده‌های عددی، نشان‎دهندۀ این است که لحاظ توزیع t و نیز عوامل ریسک به‎صورت متغیر تصادفی، سبب ایجاد برآوردهای محافظه‌کارانه‌تری برای دو سنجۀ مد نظر شده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Estimating Portfolio Value-at-Risk and Expected Shortfall by Possibility and Necessity Theory

نویسندگان [English]

  • Seyed Babak Ebrahimi 1
  • Mojgan Aghaei 2
  • Negin Mohebbi 3
1 Assistant Prof., Faculty of Financial Engineering, Khajeh Nasir Toosi University, Tehran, Iran
2 MSc. Student in Financial Engineering, Khajeh Nasir Toosi University, Tehran, Iran
3 MSc. Financial Engineering, Khajeh Nasir Toosi University, Tehran, Iran
چکیده [English]

One of the main concerns of investors and financial managers is the way of dealing with investment risk; thus identification, calculation and management of risk are important issues in financial fields. So, in this study, the portfolio value-at-risk and expected shortfall are estimated by considering uncertainty in risk factors. The concept of fuzzy random variable, specifically possibility and necessity theory, is used to face uncertainty in financial data. In the following, the terms of fuzzy value-at-risk and expected shortfall introduced with assuming normal and t-student distribution and considering both state of fixed and stochastic for uncertainty factor. The results indicate that assumptions of t-student distribution and stochastic uncertainty factor make the estimation of both risk measures to be more conservative.

کلیدواژه‌ها [English]

  • Expected shortfall
  • Fuzzy random variable
  • Possibility and necessity theory
  • uncertainty
  • Value-at-risk
فلاح‎پور، س.؛ احمدی، ا. (2014). تخمین ارزش در معرض ریسک پرتفوی نفت و طلا با بهره‎‎مندی از روش کاپیولا‌ـ گارچ. فصلنامۀ علمی ـ پژوهشی تحقیقات مالی، 16(2)، 326- 309.‎
فلاح‎پور، س.؛ رضوانی، ف.؛ رحیمی، م. (2015). برآورد ارزش در معرض ریسک شرطی (CVaR) با استفاده از مدل‎های ناهمسانی واریانس شرطی متقارن و نامتقارن در بازار طلا و نفت. دانش مالی تحلیل اوراق بهادار، 8(26)، 18-1. ‎
گرجی، م.؛ سجاد، ر. (1395). برآورد ارزش در معرض خطر چند دوره‌ای بر پایۀ روش‌های شبیه‌سازی و پارامتریک. تحقیقات مالی، 18(1)، 184-167.
عبده تبریزی، ح.؛ شریفیان، ر. (2001). بررسی اثر ریسک نامطلوب بر عملکرد تعدیل شده بر اساس ریسک شرکت‎های سرمایه‎گذاری پذیرفته شده در بورس اوراق بهادار تهران.‎ تحقیقات مالی، 9(3)، 20-3.
Abdoe-Tabrizi, H. & Sharifian, R.A. (2001). The impact of downside risk on risk-adjusted performance of investment companies in the (Tehran Stock Exchange). Quarterly Journal of Securities Exchange, 1(1), 35-70.
(in Persian)
Artzner, P. & Delbaen, F. & Eber, J.M. & Heath, D. (1997). Thinking coherently. Risk, 10, 68–71.
Assaf, A. (2015). Value-at-Risk analysis in the MENA equity markets: Fat tails and conditional asymmetries in return distributions. Journal of Multinational Financial Management29, 30-45.
Embrechts, P. & McNeil, A. & Straumann, D. (2002). Correlation and dependence in risk management: properties and pitfalls. Cambridge, Cambridge University Press.
Fallahpour, S. & Ahmadi, E. (2015). Estimating Value at Risk of Portfolio of Oil and Gold by Copula-GARCH Method. Journal of Financial Research, 16(2), 309-326. (in Persian)
Fallahpour, S. & Rezvani, F. & Rahimi, M. (2015). Forecasting Conditional Value-at-Risk by Using Symmetric & Asymmetric Conditional Volatility Models in Gold & Oil Market. Financial Knowledge of Securities Analysis, 8(26), 1-18. (in Persian)
Fama, E. (1965). The behavior of stocks market prices. Journal of Business, 38(1), 34–105.
Fang, K. T., Kotz, S. & Ng, K. W. (1987). Symmetric multivariate and related distributions. Chapman and Hall.
Glasserman, P. & Heidelberger, P. & Shahabuddin, P. (2002). Portfolio Value‐at‐Risk with Heavy‐Tailed Risk Factors. Mathematical Finance, 12(3), 239-269.
Hosking, J.R.M. & Bonti, G. & Siegel, D. (2000). Beyond the lognormal. Risk, 13 (5), 59–62.
Kamdem, J.S. & Moussa, A.M. & Terraza, M. (2012). Fuzzy risk adjusted performance measures: Application to hedge funds. Insurance: Mathematics and Economics, 51(3), 702-712.
Kamdem, J.S. (2005). Value-at-Risk and expected shortfall for linear portfolios with elliptically distributed risk factors. International Journal of Theoretical and Applied Finance, 8(05), 537-551.
Kamdem, J.S. (2009). Δ-VaR and Δ-TVaR for portfolios with mixture of elliptic distributions risk factors and DCC. Insurance: Mathematics and Economics, 44(3), 325-336.
Kelker, D. (1970). Distribution theory of spherical distributions and a location-scale parameter generalization. Sankhyā: The Indian Journal of Statistics, Series A, 32(4), 419-430.
Kjellson, B. (2013). Forecasting expected shortfall: an extreme value approach (Bachelor's Thesis), Lund university.
Kwakernaak, H. (1978). Fuzzy random variable definitions and theorems. Information Sciences, 15(1), 1-29.
Lopez, J.A. & Walter, C.A. (2000). Evaluating covariance matrix forecasts in a value-at-risk framework. Federal Reserve Bank of San Francisco.
Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77-91.
Mandelbrot, B. (1963). The variation of certain speculative prices. Journal of Business, 36(4), 394 - 419.
Martins, C. & Yao, F. (2006). Estimation of value-at-visk and expected shortfall based on nonlinear models of return dynamics and extreme value theory. Berkeley Electronic Press.
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.
Morgan, J.P. (1996). Riskmetrics technical document (4th ed.). New York.
Moussa, A. M., Kamdem, J. S., & Terraza, M. (2014). Fuzzy value-at-risk and expected shortfall for portfolios with heavy-tailed returns. Economic Modelling39, 247-256.
Olson, D. L. & Wu, D. (2013). The impact of distribution on value-at-risk measures. Mathematical and Computer Modelling58(9), 1670-1676.
Puri, M.L. & Ralescu, D.A. (1996). Fuzzy random variables. Journal of Mathematical Analysis & Applications, 114: 409–422.
Rostami Noroozabad, M. & Shojaei, A. & Khezri, M. & Rahmani Noroozabad, S. (2015). Estimation of value at risk of return in Tehran Stock Exchange using wavelet analysis. Journal of Financial Research, 17(1), 59-82. (in Persian)
Sajjad, R. & Gorji, M. (2016). Estimation of multi-period VaR based on the simulation and parametric methods. Journal of Financial Research, 18(1), 167-184. (in Persian)
Smimou, K. & Bector, C. R. & Jacoby, G. (2008). Portfolio selection subject to experts' judgments. International Review of Financial Analysis, 17(5), 1036-1054.
Yoshida, Y. (2009). An estimation model of value-at-risk portfolio under uncertainty. Fuzzy Sets and Systems, 160(22), 3250-3262.
Wang, Z. & Kilr, G.J. (1993). Fuzzy Measure Theory. Plenum Press, New York.
Zadeh, L.A. (1965). Fuzzy sets. Information and control, 8(3), 338-353.
Zimmermann, H.J.) 2001(. Fuzzy Set Theory and its Applications. Kluwer.