خلاصة:
پیش بینی و لحاظ حافظه بلند مدت در سریهای زمانی یکی از با اهمیت ترین موضوعات در بازارهای مالی است که در پیش بینی تلاطم و ارزش در معرض ریسک کاربردهای وسیعی دارد. ارزش در معرض ریسک یکی از معروفترین ابزارهای ارزیابی ریسک در مدیریت مالی است. در این مقاله برای دو سری زمانی شاخص بورس اوراق بهادار تهران و شاخص فرابورس ایران در بازه زمانی مهر ماه 1387 تا بهمن ماه 1393 از مدلهای خانواده GARCHاستفاده گردیده است. نتایج حاکی از وجود اثرات نامتقارن در بازدهی هر دو سری زمانی مورد بررسی است. برای ارزیابی پیش بین و ارزش در معرض ریسک از معیارهای کمترین خطا و آزمونهای آماری برای ارزیابی کفایت مدلهای برآورد کننده ارزش در معرض ریسک استفاده شده است. نتایج این پژوهش نشان می دهد که لحاظ اثرات نامتقارن در سریهای بازدهی و همچنین اثرات حافظه بلندمدت منجر به بهبود پیش بینی تلاطم و ارزش در معرض ریسک این دو سری زمانی می گردد.
In this paper we explored the relevance of asymmetry and long memory in modeling and forecasting the conditional volatility and market risk of equity market in Iran capital Market (Tehran Stock exchange(TSE) and Iran Fara Bourse(IFB)). A broad set of the most popular linear and nonlinear GARCH (generalized autoregressive conditional Heteroskedasticity)-type models is used to investigate this relevancy of asymmetry and long memory. Our in sample and out-of-sample results displayed that volatility of commodity returns can be better described by nonlinear volatility models accommodating the long memory and asymmetry features. In particular, the FIAPARCH (Fractionally Integrated Asymmetric Power ARCH) model is found to be the best suited for estimating the VaR forecasts for both short and long trading positions. This model given a risk exposure at the 99% confidence interval level have Several implications for equity market risks, policy regulations and hedging strategies can be drawn from the obtained results of this paper.
ملخص الجهاز:
آنها در بين سريهاي زماني مورد استفاده خود اثرات حافظه بلندمدت يافتند و با استفاده از مدلهاي خانواده GARCH دريافتند که بهترين مدل براي پيش بيني تلاطم و برآورد ارزش در معرض ريسک اين کالاها مدل FIAPARCH داراي بهترين عملکرد در بين سايرمدلهاي مورد استفاده است .
کشاورز حداد و صمدي ( ١٣٨٨ ) با استفاده از روش هاي GARCH تلاطم موجود با استفاده از ١٤٦٧ دادة روزانه براي شاخص قيمت بورس تهران را برآورد کردند و طي اين پژوهش بهترين مدل ها در تخمين و پيش بيني تلاطم براي توزيع نرمال و توزيع تي -استيودنت نتيجه شده است .
/ ٦-٤- برآورد و ارزيابي ارزش در معرض ريسک با استفاده از مدل هاي واريانس ناهمساني شرطي هدف اصلي اين پژوهش يعني برآورد ارزش در معرض ريسک سبد بازدهي شاخص بورس اوراق بهادار تهران وفرابورس ايران با لحاظ اثرات حافظه بلند مدت است .
بدين ترتيب مي توان بيان کرد که بهترين مدل پارامتريک براي پيش بين تلاطم در بازدهي دو بازار بورس و فرابورس ايران مدل هاي واريانس ناهمساني شرطي با لحاظ اثرات نامتقارن و حافظه بلند مدت است .
بنابراين لحاظ اين اثرات در بازدهي بورس اوراق بهادار تهران و فرابورس ايران منجر به بهبود عملکرد پيش بيني آنها براي ارزش در معرض ريسک و تلاطم ميشود.
بنابراين لحاظ اين اثرات در بازدهي بورس اوراق بهادار تهران و فرابورس ايران منجر به بهبود عملکرد پيش بيني آنها براي ارزش در معرض ريسک و تلاطم ميشود.
لذا پيشنهاد ميگردد براي پيش بيني تلاطم و همچنين ارزش در معرض ريسک در ايران از مدل هاي نامتقارن با لحاظ اثرات حافظه بلند مدت استفاده شود.