نویسنده

دکترای اقتصاد، استادیار دانشگاه نهاوند

چکیده

در این مقاله با به‌کارگیری نسل جدید مدل­های نوسان­پذیری چندمتغیره شامل مدل ADCC، مدل GO-GARCH و مدل­های GARCH مبتنی‌بر کاپیولا، به تخمین و بررسی عملکرد پوشش ریسک بازار نقد با بازار آتی سکه بهار آزادی، طی دوره زمانی 5/8/1389 تا 31/4/1395، پرداخته­ایم. نتایج تجربی حاکی از برتری نسبت­های پوشش ریسک به‌دست آمده از مدل GO-GARCH در مقایسه با سایر مدل­های رقیب، برای پوشش ریسک نوسانات قیمت­های نقد با آتی سکه بهار آزادی است. نتایج تجربی همچنین نشان می­دهند که قیمت­های نقد و آتی طی دوران تنش در بازار سکه، گرایش به هم­حرکتی دارند. در واقع، سرمایه­گذارانی که پورتفولیوهای متنوع­سازی شده از سکه و آتی آن نگهداری می­کنند، ممکن است با زیان­های قابل توجهی طی زمان­های رکود بازار سکه رو‌به‌رو شوند. در چنین شرایطی، اتخاذ موقعیت فروش در آتی سکه برای سرمایهگذاران در بازار نقد می­تواند با منفعت همراه باشد، زیرا به کاهش زیان­های حدی پورتفولیو کمک میکند.

کلیدواژه‌ها

اسکندری، حمید، علی­اصغر انواری رستمی و علی حسین­زاده کاشان (1394)، «نسبت بهینه پوشش ریسک ارز با استفاده از قرارداد آتی طلا در بازار مالی ایران»، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 6، شماره 25، صص 40-21.
اسکندری، حمید، علی­اصغر انواری رستمی و علی حسین­زاده کاشان (1395)، «پوشش ریسک با استفاده از شاخص ترکیبی قراردادهای آتی (مطالعه موردی بازارهای مالی ایران)»، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 7، شماره 28، صص 72-55.
اسلامبولچی، فرشید (1391)، تخمین نرخ بهینه پوشش ریسک: یک رهیافت مقایسه­ای برای بازار کالای ایران، پایان­نامه کارشناسی ارشد رشته سیستم­های اقتصادی - اجتماعی، دانشکده مهندسی صنایع ، دانشگاه صنعتی شریف.
باجلان، سعید، رضا راعی و شاپور محمدی (1396)، «مدل‌سازی تابع توزیع زیان­های بیمه­ای با بهره­گیری از توزیع­های ترکیبی و مفهوم کاپیولا»، تحقیقات مالی، مقاله آماده انتشار.
بهرامی، جاوید و اکبر میرزاپور باباجان (1391)، «نسبت بهینه پوشش ریسک در قراردادهای آتی سکه بهار آزادی مورد معامله در بورس کالای ایران»، فصلنامه پژوهش­ها و سیاست­های اقتصادی، دوره 20، شماره 64، صص 206-175.
بهرامی، جاوید، اکبر میرزاپور و بهزاد فکاری (1393)، «پوشش ریسک با استفاده از قراردادهای آتی سکه بهار آزادی مورد معامله در بورس کالای ایران: رهیافت ضریب جینی بسط­یافته به میانگین (MEG)»، فصلنامه دانش مالی تحلیل اوراق بهادار، دوره 7، شماره 1 (پیاپی 21)، صص 56-43.
خیابانی، ناصر و مریم ساروقی (1390)، «ارزش­گذاری برآورد VaR براساس مدل­های خانواده ARCH (مطالعه موضوعی برای بازار اوراق بهادار)»، فصلنامه پژوهش‌های اقتصادی ایران، دوره 16، شماره 47، صص 73-53.
فلاح­پور، سعید و احسان احمدی (1393)، «تخمین ارزش در معرض ریسک پورتفوی نفت و طلا با بهره­مندی از روش کاپیولا-گارچ»، تحقیقات مالی، دوره 16، شماره 2، صص 326-309.
فلاح­پور، سعید و مهدی باغبان (1393)، «استفاده از کاپیولا-CVaR در بهینه­سازی سبد سرمایه­گذاری و مقایسه تطبیقی آن با روش Mean-CVaR»، فصلنامه پژوهش­ها و سیاست­های اقتصادی، دوره 22، شماره 72، صص 172-155.
کشاورز حداد، غلامرضا و محمدرضا ستاری (1389)، «زمین، سکه یا سهام؛ کدام‌یک پوشش مناسبی در برابر تورم هستند؟»، فصلنامه پژوهش­های اقتصادی ایران، دوره 15، شماره 44، صص 171-135.
کشاورز حداد، غلامرضا و مهرداد جیرانی (1393)، «برآورد ارزش در معرض ریسک با وجود ساختار وابستگی بین بازدهی­های مالی: رهیافت مبتنی‌بر توابع کاپولا»، تحقیقات اقتصادی، دوره 49، شماره 4، صص 902-869.
مولایی، صابر، محمد واعظ برزانی، سعید صمدی و افشین پرورده (1396)، «تحلیل رابطه بین بازار ارز و شاخص قیمت بورس اوراق بهادار تهران: رویکرد ناپارامتریک و کاپولا»، تحقیقات اقتصادی، دوره 52، شماره 2، صص 476-457.
مهرگان، نادر، علی­رضا دانش­خواه، امید چترآبگون، روح­الله احمدی و فریبرز تیشه­کنی (1393)، «بررسی پدیده بیماری هلندی و اثر شوک­های نفتی در متغیرهای کلان اقتصادی ایران با استفاده از توابع مفصل دمی»، تحقیقات اقتصادی، دوره 49، شماره 2، صص 428-411.
Alexander, C. (2001). Orthogonal garch. Mastering risk, 21-38.
Alexander, C., & Chibumba, A. (1997). Multivariate orthogonal factor GARCH. University of Sussex, Mimeo.
Arouri, M. E. H., Lahiani, A., & Nguyen, D. K. (2015). World gold prices and stock returns in China: insights for hedging and diversification strategies. Economic Modelling, 44, 273-282.
Baillie, R. T., & Myers, R. J. (1991). Bivariate GARCH estimation of the optimal commodity futures hedge. Journal of Applied Econometrics, 6(2), 109-124.
Basher, S. A., & Sadorsky, P. (2016). Hedging emerging market stock prices with oil, gold, VIX, and bonds: A comparison between DCC, ADCC and GO-GARCH. Energy Economics, 54, 235-247.
Broda, S. A., & Paolella, M. S. (2009). Chicago: A fast and accurate method for portfolio risk calculation. Journal of Financial Econometrics, 7(4), 412-436.
 Sebai, S., & Naoui, K. (2015). A study of the interactive relationship between oil price and exchange rate: A copula approach and a DCC-MGARCH model. The Journal of Economic Asymmetries, 12(2), 173-189.
Chang, C. L., McAleer, M., & Tansuchat, R. (2011). Crude oil hedging strategies using dynamic multivariate GARCH. Energy Economics, 33(5), 912-923.
Cappiello, L., Engle, R. F., & Sheppard, K. (2006). Asymmetric dynamics in the correlations of global equity and bond returns. Journal of Financial econometrics, 4(4), 537-572.
Engle, R. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339-350.
Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. The journal of finance, 48(5), 1779-1801.
Kotkatvuori-Örnberg, J. (2016). Dynamic conditional copula correlation and optimal hedge ratios with currency futures. International Review of Financial Analysis, 47, 60-69.
Kroner, K. F., & Sultan, J. (1993). Time-varying distributions and dynamic hedging with foreign currency futures. Journal of financial and quantitative analysis, 28(4), 535-551.
Ku, Y. H. H., Chen, H. C., & Chen, K. H. (2007). On the application of the dynamic conditional correlation model in estimating optimal time-varying hedge ratios. Applied Economics Letters, 14(7), 503-509.
Lai, Y., Chen, C. W., & Gerlach, R. (2009). Optimal dynamic hedging via copula-threshold-GARCH models. Mathematics and Computers in Simulation, 79(8), 2609-2624.
Lee, H. T. (2009). A copula‐based regime‐switching GARCH model for optimal futures hedging. Journal of Futures Markets: Futures, Options, and Other Derivative Products, 29(10), 946-972.
Lin, X., Chen, Q., & Tang, Z. (2014). Dynamic hedging strategy in incomplete market: Evidence from Shanghai fuel oil futures market. Economic Modelling, 40, 81-90.
Ma, C. K., Mercer, J. M., & Walker, M. A. (1992). Rolling over futures contracts: A note. Journal of Futures Markets, 12(2), 203-217.
Myers, R. J. (1991). Estimating time‐varying optimal hedge ratios on futures markets. Journal of Futures Markets, 11(1), 39-53.
Nelsen, R. B. (1999). An introduction to copulas, vol. 139 of Lecture Notes in Statistics.
Patton, A. J. (2006). Modelling asymmetric exchange rate dependence. International economic review, 47(2), 527-556.
Ripple, R. D., & Moosa, I. A. (2007). Hedging effectiveness and futures contract maturity: the case of NYMEX crude oil futures. Applied Financial Economics, 17(9), 683-689.
Sklar, M. (1959). Fonctions de repartition an dimensions et leurs marges. Publ. inst. statist. univ. Paris, 8, 229-231.
Van der Weide, R. (2002). GO‐GARCH: a multivariate generalized orthogonal GARCH model. Journal of Applied Econometrics, 17(5), 549-564.
Wang, K. M., & Lee, Y. M. (2016). Hedging exchange rate risk in the gold market: A panel data analysis. Journal of Multinational Financial Management, 35, 1-23.
Wei, Y., Wang, Y., & Huang, D. (2011). A copula–multifractal volatility hedging model for CSI 300 index futures. Physica A: Statistical Mechanics and its Applications, 390(23-24), 4260-4272.
Weiß, G. N. (2013). Copula-GARCH versus dynamic conditional correlation: an empirical study on VaR and ES forecasting accuracy. Review of Quantitative Finance and Accounting, 41(2), 179-202.
Wen, X., Wei, Y., & Huang, D. (2011). Speculative market efficiency and hedging effectiveness of emerging Chinese index futures market. Journal of Transnational Management, 16(4), 252-269.
Zhang, K., & Chan, L. (2009). Efficient factor garch models and factor-dcc models. Quantitative Finance, 9(1), 71-91.
Zhou, J. (2016). Hedging performance of REIT index futures: A comparison of alternative hedge ratio estimation methods. Economic Modelling, 52, 690-698.