این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Money and Economy، جلد ۱۶، شماره ۲، صفحات ۱۶۵-۱۸۶
عنوان فارسی تخمین ارزش در معرض خطر مبتنی بر مدل‌های لوی – گارچ: a,hind hc بورس اوراق بهادار تهران
چکیده فارسی مقاله   ارزش در معرض خطر، یک معیار مهم اندازه‌گیری ریسک در بازارهای مالی است که ریسک بازار را در یک عدد بیان می‌کند. روش‌هایی برای محاسبه این معیار ریسک، نظیر روش پارامتریک، شبیه‌سازی تاریخی و شبیه‌سازی مونت کارلو وجود دارند که در اکثر متون مربوط به ریاضی مالی و مهندسی مالی، بیان شده‌اند. این روش‌ها از محدودیت‌هایی در محاسبات خود پیروی می‌کنند؛ این در حالی است که در صورت بروز پیچیدگی‌هایی در مدل‌سازی‌های مالی، استفاده از این روش‌های محاسبه، به اندازه کافی کارا نیست، چرا که استفاده از این روش‌ها، مستلزم در نظر گرفتن یک سری از فرضیات نظیر؛ در نظر گرفتن توزیع‌های متقارن در مورد توزیع احتمال بازده دارایی‌ها است. در این مطالعه ارزش در معرض ریسک، با استفاده از مدل­های GARCH، APARCH و GJR با توزیع‌های نرمال، تی استیودنت، تی استیودنت چوله و لوی که توزیع‌های لوی شامل؛ توزیع معکوس گاوسی نرمال NIG)) و توزیع هذلولی تعمیم یافته (GHyp)، تخمین زده شده است. در این تحقیق، برای اندازه‌گیری ریسک، از چهار شاخص که شامل؛ شاخص قیمت‌های سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در صنایع شیمایی، فلزات اساسی، خودرو و سیمان استفاده شده است. دوره‌ زمانی در این تحقیق شامل دوره هفت ساله با تواتر روزانه طی دوره 05/01/1392 تا 28/12/1398 می‌باشد. نتایج تحقیق نشان داد که، مدل GJR با در نظر گرفتن توزیع‌های لوی و t-Student مورد استفاده در بین سایر مدل‌ها از دقت بیشتری برخوردار است.
کلیدواژه‌های فارسی مقاله توزیع لوی، ارزش در معرض خطر، مدل‌ گارچ، مدیریت ریسک
عنوان انگلیسی Estimation of Value at Risk (VaR) Based On Lévy-GARCH Models: Evidence from Tehran Stock Exchange
چکیده انگلیسی مقاله This paper aims to estimate the Value-at-Risk (VaR) using GARCH type models with improved return distribution. Value at Risk (VaR) is an essential benchmark for measuring the risk of financial markets quantitatively. The parametric method, historical simulation, and Monte Carlo simulation have been proposed in several financial mathematics and engineering studies to calculate VaR, that each of them has some limitations. Therefore, these methods are not recommended in the case of complications in financial modeling since they require considering a series of assumptions, such as symmetric distributions in return on assets. Because the stock exchange data in the present study are skewed, asymmetric distributions along with symmetric distributions have been used for estimating VaR in this study. In this paper, the performance of fifteen VaR models with a compound of three conditional volatility characteristics including GARCH, APARCH and GJR and five distributional assumptions (normal, Student's t, skewed Student's t and two different Lévy distributions, include normal-inverse Gaussian (NIG) and generalized hyperbolic (GHyp)) for return innovations are investigated in the chemical, base metals, automobile, and cement industries. To do so, daily data from of Tehran Stock Exchange are used from 2013 to 2020. The results show that the GJR model with NIG distribution is more accurate than other models. According to the industry index loss function, the highest and lowest risks are related to the automotive and cement industries.
کلیدواژه‌های انگلیسی مقاله Lévy Distribution, Value at Risk (VaR), GARCH Model, Risk Management.
نویسندگان مقاله حسین امیری | Hossein Amiri
Faculty of Economics, Kharazmi University
عضو هیات علمی دانشکده اقتصاد، دانشگاه خوارزمی

محمود نجفی نژاد | Mahmood Najafi Nejad
Faculty of Economics, Kharazmi University
دانش آموخته کارشناسی ارشد

سیده محدثه موسوی | Seyede Mohadese Mousavi
Faculty of Economics, Kharazmi University
دانش آموخته کارشناسی ارشد

نشانی اینترنتی http://jme.mbri.ac.ir/browse.php?a_code=A-10-479-1&slc_lang=en&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده اقتصاد
نوع مقاله منتشر شده پژوهشی اصیل - کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات