ریزش مورد انتظار پویای چند مقیاسی (DMS-ES) در بورس اوراق بهادار تهران: تجزیه طیفی از ریسک دنباله در افق‌های زمانی Journal Article

Writer: موسوی سرحدی، سید علی ؛ صفا، مژگان ؛ پورفخاران، محمدرضا ؛

پیشرفت های مالی و سرمایه گذاری زمستان 1401- شماره 9 ، A+ (Azad University (‎19 page(s) - From 54 to 72 )

Keywords: بورس اوراق بهادار تهران تجزیه طیفی ریسک دنباله ریزش مورد انتظار پویای چند مقیاسی (DMS-ES) افق‌های زمانی Multi-Scale Dynamic Expected shortfall (DMS-ES) Time Horizons Tail Risk Tehran Stock Exchange Spectral Analysis

fa en

Abstract:

هدف: هدف اصلی تحقیق حاضر، بررسی ریسک دنباله در بورس اوراق بهادار تهران با استفاده از از روش-های پویا و تجزیه طیفی سری زمانی در قالب معیار ریزش مورد انتظار پویای چند مقیاسی (DMS-ES) می‌باشد.روش‌شناسی پژوهش: در این راستا از داده‌های روزانه شاخص کل بورس اوراق بهادار تهران در دوره زمانی 06/01/1390 – 28/12/1400 استفاده شد و پس از استخراج مولفه‌های اطلاعاتی کوتاه‌مدت، میان-مدت و بلندمدت سری زمانی بازده شاخص، چهار مدل پیش‌بینی معیار ریزش مورد انتظار (ES) با استفاده از رویکرد تیلور (2017) در افق‌های زمانی مختلف برآورد گردید. یافته‌ها: نتایج برآورد مدل ها و آزمون‌های پس‌آزمانی نشان می‌دهد که معیار ریزش مورد انتظار (ES) ماهیتی کوتاه‌مدت داشته و مدل پویا با استفاده از مولفه‌های کوتاه‌مدت در افق زمانی یک روزه بالاترین کارایی را در بین مدل‌های معرفی شده داشته است. علاوه بر این، نتایج مقایسه مدل‌ها بر اساس آزمون متوسط زیان نشان می‌دهد که استفاده از مولفه‌های تجزیه طیفی، کارایی پیش‌بینی‌های پویای‌ معیار ریزش مورد انتظار (ES) در افق‌های زمانی مختلف را افزایش می‌دهد. اصالت / ارزش افزوده علمی: در نهایت با توجه به نتایج تحقیق حاضر پیشنهاد می‌شود در راستای افزایش کارایی پیش‌بینی‌های معیارهای ریسک، مدل‌های پویا و الگوریتم‌های تجزیه سیگنال مورد استفاده قرار گیرد.

Purpose: The main purpose of the present study is to investigate the tail risk in the Tehran Stock Exchange using dynamic methods and time series spectral analysis in the form of the dynamic multi-scale Expected Shortfall (DMS-ES). Methodology: In this study, the daily data of Tehran Stock Exchange total index in the period 2011/03/26 - 2022/03/19 were used then extracting the short-term, medium-term and long-term information components of the index return time series, four predictive models of expected fallout (ES) were estimated using Taylor (2017) approach at different time horizons. Findings: The results of estimating the models and back tests show that the expected shortfall (ES) is short-term in nature and the dynamic model using short-term components in the one-day time horizon has the highest efficiency among the introduced models. In addition, the results of comparing the models based on the average loss test show that the use of spectral analysis components increases the efficiency of dynamic predictions of the expected shortfall (ES) at different time horizons. Originality / Value: Finally, according to the results of this study, it is suggested to use dynamic models and signal decomposition analysis algorithms to increase the efficiency of risk criteria predictions.

Download citation file :
(پژوهیار, , , )

Download PDF
Downlaod HTML

Shortlink:

Page: