مقایسه و رتبه‌بندی عملکرد مدل‌های چند متغیره GARCH در برآورد ارزش در معرض خطر صنایع بورس اوراق بهادار تهران

مقایسه و رتبه‌بندی عملکرد مدل‌های چند متغیره GARCH در برآورد ارزش در معرض خطر صنایع بورس اوراق بهادار تهران

نویسندگان

1 دانشگاه سیستان و بلوچستان

2 مرکز تحقیقات نوین، مدیر توسعه، دکترای حقوق

چکیده

هدف این پژوهش بررسی عملکرد و رتبه‌بندی مدلهای GARCH چند متغیره در برآورد ارزش در معرض خطر می‌باشد. برای این منظور سه پرتفوی با ابعاد کوچک، متوسط و بزرگ و تلاطم‌های مختلف متشکل از بازده شاخص صنایع بورس اوراق بهادار تهران طی دوره 06/01/1390 تا 29/07/ 1393 انتخاب گردید، تا شرایط متفاوت مجموعه دارایی، منجر به انتخاب بهترین مدل گردد. با توجه به چالش برآورد ارزش در معرض خطر در برآورد ماتریس واریانس-کوواریانس در ابعاد بالا به دلیل ایجاد پارامترهای تصادفی و نامشخص، در این پژوهش مدلسازی پویای مشترک دارایی‌ها با استفاده از رویکرد درستنمایی مرکب مورد توجه قرار گرفت. پس از بررسی کفایت آماری مدل‌ها، با اتکا به آزمون شنر برای نتیجه‌گیری نهایی که به تخصیص بیش از حد منابع به منظور پوشش ریسک علاوه بر شکاف و توالی تخطی‌ها توجه دارد، می‌توان گفت مدل‌هایی که همبستگی را در نظر می‌گیرند بویژه مدل‌های همبستگی پویا، عملکرد خوبی داشته و بطور منسجم در ابعاد مختلف پرتفوی و سطوح متفاوت خطای آماری عمل می‌نمایند. در اکثرموارد، مدل‌های همبستگی پویا با برآورد راستنمایی مرکب در رتبه نخست، نسبت به سایر مدل‌ها قراردارند. همچنین درنظر گرفتن اثر شوک‌های نامتقارن تا حدودی به بهبود نتایج در برآورد ارزش در معرض خطر کمک مینماید. از طرفی شرایط متفاوت داده‌ها با ابعاد مختلف و انتخاب نمونه نیز می‌تواند در رتبه‌بندی مدل‌ها تا حدی اثرگذار باشد. بعلاوه با کاهش سطح خطای آماری از 0.05 به 0.01 عملکرد توزیع تی در مقایسه با توزیع نرمال بدتر می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluating and Ranking the Performance of the Multivariate GARCH Models in Value at Risk of Industries in Tehran Stock Exchange

نویسندگان [English]

  • gholamreza zamanian 1
  • hossein khazaei 2
چکیده [English]

The purpose of this study is to investigate the function and ranking of multivariate GARCH models in value at risk estimation. To this end, three portfolios having different dimensions, small, medium and large and having different fluctuations are selected, including the return of industrial stock price index in Tehran Stock Exchange from 3/26/2011 to 10/21/2014 in order to lead us picking up the best model in different portfolio conditions. In order to challenge of estimating value at risk in evaluating the variance-covariance matrix in high dimension because of constructing stochastic and undetermined parameters, this study uses the modeling of composite likelihood approach. Following the consideration of statistical efficiency of the models, the models ranking procedure was done based on sener test. The result indicates that for final conclusion focusing on over allocation of resource to hedge the risk plus noticing the gaps in erros, those models taking correlation into account, especially dynamic correlation models, have worked out better in different levels and dimensions. In most cases, the dynamic correlation models with composite likelihood estimations are in first place, as compared to other models and Considering the effects of asymmetric shocks partly improved the results. Also, different conditions with different sizes and the various sampling of data can affect the rating of the model. However, there are not sufficient reasons to conclude that the performance of the t distribution at different levels of statistical error is better than normal, because with decreasing the levels of statistical error at 5% to 1% it works worse.

کلیدواژه‌ها [English]

  • Composite likelihood.
  • Multivariate GARCH Model
  • Value at Risk