ارائه مدل ترکیبی غیرخطی مبتنی بر تئوری مقدار فرین جهت پیش بینی ارزش در معرض ریسک شرطی (CVaR)

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
بی ثباتی های اقتصادی در سال های اخیر و به دنبال آن ایجاد تغییرات سریع در فضای حاکم بر بازارهای مالی ، ریسک اکثر بنگاه ها و موسسات مالی را افزایش داده است، به گونه ای که مدیران ریسک نگران کاهش ارزش دارایی های خود در طی روزهای آتی می باشند. در مطالعات اخیر برای اندازه گیری و پیش بینی ریسک های موجود در بازارهای مالی از سنجه ی ارزش در معرض ریسک شرطی استفاده شده است. از همین رو در این پژوهش تلاش شده است تا در جهت معرفی، محاسبه و پیاده سازی یک مدل ترکیبی غیرخطی نوین برای پیش بینی ارزش در معرض ریسک شرطی گام برداشته شود، به همین منظور از مدل ترکیبی مبتنی بر تئوری مقدار فرین و روش هموارسازی نمایی هلت-وینترز (HWES- EVT) که علاوه بر پویایی و ویژگی های خوشه ای، دنباله پهنی داده ها را نیز در نظر می گیرد به پیش بینی ارزش در معرض ریسک شرطی شاخص صنعت و شاخص کل بورس اوراق بهادار تهران پرداخته شده است. جهت بررسی و ارزیابی عملکرد روش ترکیبی پیشنهادی، این روش با روش مرسوم GARCH- EVT به وسیله سه آزمون پس آزمایی مقایسه شده است. نتایج حاصل شده نشان از آن دارد که رویکرد ترکیبی پیشنهادی جواب دقیق تری نسبت به روش مرسوم در پیش بینی ارزش در معرض ریسک شرطی برای شاخص های مذکور از خود ارائه می دهد.
زبان:
فارسی
صفحات:
169 تا 181
لینک کوتاه:
magiran.com/p2047865 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!