نویسندگان

1 استادیار علوم اقتصادی، دانشکده اقتصاد دانشگاه علامه طباطبائی

2 کارشناس ارشد،علوم اقتصادی، دانشکده اقتصاد دانشگاه علامه طباطبائی

چکیده

طی سال‏های اخیر، پژوهشگران با به‌کارگیری نظریه مقدار فرین (EVT)، ریسک بازار را به نحو دقیق­تری برای وقایع نادر (شرایط بحرانی) محاسبه کرده‏اند. در این راستا، این مقاله، به بررسی روش­های مختلف اندازه‌گیری ریسک بازار در سطوح مختلف اطمینان می‌پردازد. با توجه به اینکه برای اندازه‏گیری اثرات بحران‏های مالی بر ارزش دارایی­ها، روش EVT  براساس فروض نظریه، نیازمند سری‌های زمانی با مشاهدات بسیاری است، ازاین‌رو، در این مقاله از 4 شاخص‏ کل، صنعت، بازار اول و بازار دوم در بورس اوراق بهادار تهران استفاده شده است.
نتایج پس‌آزمایی در این پژوهش حاکی از آن است که از بین روش­های مختلف، رویکرد نیمه‌پارامتریک یا همان رویکرد EVT در مقایسه با رویکردهای پارامتریک (EWMA، MA، GARCH) و ناپارامتریک (Historical Simulation) در سطوح اطمینان بالاتر، کارآیی بالاتری دارند. همچنین روش HS در سطوح اطمینان بالا نتایج قابل قبولی را نشان می‏دهد. این در حالی است که روش‏های پارامتریک (EWMA، MA، GARCH) در محاسبه ارزش در معرض ریسک در سطوح اطمینان 90/0 و 95/0 نتایج قابل اطمینان‏تری را ارایه می‏کنند. همچنین پویایی الگوهای GARCH و EWMA نسبت به سایر الگوها بسیار بیشتر است. در بخش بعد، با ترکیب الگوهای مختلف، 3 الگوی EWMA-EVT، GARCH-EVT و AWHS ساخته شد. پس از پس‏آزمایی 3 الگوی یادشده، مشخص شد که دو الگوی AWHS  و EWMA-EVT بهترین نتایج را در بین الگوهای مختلف ارایه و در تمام سطوح اطمینان کفایت قابل قبولی را در تخمین ارزش در معرض ریسک ارایه کرده‏اند. با این حال، الگوی GARCH-EVT تنها در سطح اطمینان 999/0 نتایج قابل قبولی را نشان می‏دهد.

کلیدواژه‌ها

زمانی، شیوا، سعید اسلامی بیدگلی و معین کاظمی (1392)، «محاسبه ارزش در معرض ریسک شاخص بورس اوراق بهادار تهران با استفاده از نظریه مقدار فرین»، بورس اوراق بهادار، سال ششم، شماره 21، صص 136- 115.
زمانی، شیوا و مجید علی‏فر (1393)، «برآورد ارزش در معرض ریسک شاخص صنعت فلزات اساسی تحت اثر شوک‌های نرخ ارز»، پژوهش‌های اقتصادی ایران، دوره نوزدهم، شماره 59، صص 210-183.
فلاح‌پور، سعید و مهدی یاراحمدی (1391)، «برآورد ارزش در معرض ریسک با استفاده از نظریه مقدار حدی در بورس اوراق بهادار تهران»، مهندسی مالی و مدیریت اوراق بهادار، دوره چهارم، شماره 13، صص 122– 103.
Bhattacharyya, M.(2008), "Conditional VaR Using EVT–Towards a Planned Margin Scheme", International Review of Financial Analysis, Volume 17, Issue 2, pp. 382–395
Danielsson, J (2011), Financial Risk Forecasting, Wiley.
Danielsson, J. de Vries, (1997), "Beyond the Sample: Extreme Quantile and Probability Estimation". Preprint, Tinbergen Institute, Rotterdam.
Embrechts P, Kuppelberg C, Mikosch T.(1997), "Modelling Extremal Events". Berlin: Springer Verlag.
Embrechts, P, Resnick, S, Samorodnitsky, G (1998), "Living on the Edge". Risk Magazine. Volume 11, Issue1, pp. 96–100
Embrechts, P., Resnick, S., Samorodnitsky, G., (1999), "Extreme Value Theory as a Risk Management Tool". North American Actuarial Journal. Volume 30, Issue2, pp. 30–41
Gencay, R, & Selcuk, F (2004), "Extreme Value Theory and Value-at-Risk: Relative Performance in Emerging Markets". International Journal of Forecasting, Volume 20, Issue2, pp. 287-303
Gnedenko, B.V (1943), "Sur la Distribution Limite du Terme Maximum d’une se´ Rie ale´ Atoire", Ann. of Math, Volume 44, Issue3, pp 423-453
Ho, L, Burridge, P, Cadle, J, & Theobald, M (2000), "Value-at-Risk: Applying the Extreme Value Approach to Asian Markets in the Recent Financial Turmoil". Basin Financial Journal, Volume 8, Issue2, pp 249-275
Hull C. J.(2015), Risk Management and Financial Institutions, 4th Edition, Wiley Finance.
Jansen, D, and de Vries, C.G. (1991), "On the Frequency of Large Stock Returns: Putting Booms and Busts into Perspective", Review of Economics and Statistics, Volume 73, Issue 1, pp 18-24
Jenkinson AF (1955), "The Frequency Distribution of the Annual Maximum (or Minimum) of Meteorological Elements". Q J R Meteorol Soc Volume 81, Issue 348, pp 158-171
Jorion, Ph (2006), "Value at Risk: The New Benchmark for Managing Financial Risk", McGraw-Hill.
Karmakar, M and Shukla G, K (2015), "Managing Extreme risk in Some Major Stock Markets: An Extreme Value Approach", International Review of Economics & Finance Volume 35, pp 1-25
Kittiakarasakun, J and Tse, Y (2011) , "Modeling the Fat Tails in Asian Stock Markets", International Review of Economics & Finance Volume 20. Pp, 430-440
Koedijk, K.G, Schafgans, M. and de Vries, C.G. (1990), "The Tail Index of Exchange Rate Returns", Journal of International Economics, Volume 29, pp, 93-108
Kupiec, P, (1995), "Techniques for Verifying the Accuracy of Risk Measurement Models", J. Deriv, Volume 3, pp. 73–84
Longin, F, (2000), "From Value at Risk to Stress Testing, the Extreme Value Approach", Journal of Banking & Finance, Volume 24, Issue 7, pp 1097-1130
McNeil, A, (1998), "Calculating Quantile Risk Measures for Financial Return Series using Extreme Value Theory", preprint, ETH Zu¨rich.
McNeil, A, Frey, R, (2000), "Estimation of Tail-Related Risk Measures for Heteroscedastic Financial time series: an Extreme Value Approach". J. Empir. Finance Volume 7, pp. 271–300
McNeil, A, Saladin, T, (1997), "The Peaks Over Thresholds Method for Estimating High Quantiles of Loss Distributions", Proceedings of XXVIIth International ASTIN Colloquium, Cairns, Australia. pp. 23–43.
Singh K, Abhay, David E, Allen and Robert J. Powell (2013), "Extreme Market Risk and Extreme Value Theory", Mathematics and Computers in Simulation Volume 94, pp 310-328.
Smith RL. (1989), "Extreme Value Analysis of Environmental Time Series: an Application to Trend Detection in Ground-Level Ozone (with Discussion)", Stat Sci; Volume 4, pp. 367–393
Smith, RL. (1999), "Measuring Risk with Extreme Value Theory. Working Paper, Department of Statistics", University of North Carolina at Chapel Hill.
Tsay, Ruey S (2010), "Analysis of Financial Time Series", 3rd Edition, Wiley.
Tsay, Ruey S.,(2013) "An Introduction to Analysis of Financial Data with R", 1st Edition, Wily.