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.
)