خلاصة:
ارزش در معرض ریسک به عنوان سنجه‌ای از ریسک همواره مورد توجه فعالین و پژوهشگران در حوزه مدیریت ریسک و بازار سرمایه بوده است. این اهمیت همواره پژوهشگران را در جهت افزایش دقت مدل‌های پیش‌بینی ارزش در معرض ریسک سوق داده است. در رویکردهای پارامتریک ارزش در معرض ریسک، از مدل‌های گارچ برای برآورد واریانس شرطی استفاده می‌شود که در آخرین تحولات در این رابطه، هانسن با استفاده از مبادلات پرتناوب درون‌روزی، مدل گارچ تحقق یافته را ارایه نمود. با توجه به نوسانات شدید اخیر بورس تهران در معاملات درون‌روزی، استفاده از گارچ تحقق‌یافته برای محاسبه ارزش در معرض ریسک می‌تواند دقت پیش‌بینی را افزایش دهد. در این مقاله با ترکیب توزیع‌های نرمال، تی-استیودنت و توزیع تعمیم یافته خطا با روش‌های گارچ مرسوم و روش جدید گارچ تحقق یافته، ارزش در معرض ریسک شاخص بورس تهران را با استفاده از روش نمونه‌گیری پنجره غلتان پیش-بینی نموده و سپس مقادیر پیش‌بینی شده را با استفاده از یک روش دو مرحله‌ای پس‌آزمایی، ارزیابی نموده و دقت مدل‌ها را با هم مقایسه می‌نماییم. نتایج بدست آمده حاکی از آن است که استفاده از روش جدید گارچ تحقق یافته در پیش‌بینی ارزش در معرض ریسک شاخص بورس تهران چه در سطح 5% و چه در سطح 1% منجر به دقت بالاتر برآورد می‌شود.
As a measurement of risk, Value-at-Risk has always been attractive to researchers in the field of risk management and capital markets. This importance has always led them to develop models to increase the accuracy of VaR estimation. GARCH models are used to estimate conditional variances in parametric approaches of calculating VaR. In the latest developments, Hansen presented the Realized GARCH model using intra-day data. Regarding the recent high fluctuations of the Tehran Stock Exchange Index, the use of Realized GARCH models to compute VaR can increase the accuracy of forecasting. In this paper the three different distributions, Normal, T, and GED, are combined with conventional GARCH models, and the new Realized GARCH model. Next, the VaR of the Tehran Stock Exchange index is forecasted using the rolling window sampling method. And finally, the accuracy of predicted VaR has been evaluated and compared using a two-step Backtest method. The outcome of this study indicates that using the new Realized GARCH model in forecasting VaR will tend to result in more accurate estimates, whether at the 5% or 1% level.
(
, 
, 
)
