چکیده:
توسعه روز افزون بازارهای مالی اهمیت برآورد معیار شناخته شده اندازه گیری ریسک بازار، ارزش در معرض خطر (VaR) را بیش از گذشته آشکار ساخته است. استفاده از مدل GARCHنرمال یکی از روش های پایه در زمینه برآورد VaRمی باشد. با این وجود، توزیع بازده دارایی های مالی از دنباله پهنتری نسبت به توزیع نرمال برخوردار است. بنابراین، در مقاله حاضر یک فرآیند تصحیح تورش بر اساس روش باز نمونه گیری بوت استرپ به منظور برطرف نمودن کاستی های مدل GARCHنرمال در ارتباط با برآورد مناسب VaRاجرا شده است.نتایج نشان می دهد فرآیند تصحیح تورش توانایی برآورد VaRمدل GARCHنرمال را در برآورد VaRبرای شاخص کل بورس اوراق بهادار تهران (TEPIX)، حداقل در سطوح احتمال نهاییبهبود داده است، و همچنین منجر به بهبود نتایج مدلt-GARCHشده است. مدل شبیه سازی تاریخی (HS) و شبیه سازی تاریخی فیلتر شده (FHS) نیز به منظور مقایسه نتایج حاصل از به کارگیری فرآیند تصحیح، مورد بررسی قرار گرفته است.
Exponential growth of financial markets has revealed the importance of the Value-at-Risk (VaR), a renowned measure of market risk, more than past. Using normal-GARCH model is one of the basic methods for estimating VaR. However, the distribution of financial asset returns has more fat tail compare to the normal distribution. Therefore, in this study we implement a bias-correction procedure based on the bootstrap method to remove the deficiencies of the normal-GARCH model with respect to the appropriate VaR forecasts. Our results show that the correction procedure has improved the ability of normal-GARCH model in forecasting VaR for Tehran Stock Exchange Price Index (TEPIX), at least in extreme probability levels, and also VaR forecasts obtained from the t-GARCH model. Historical Simulation (HS) and Filtered HS models have been also studied to further compare the results of the bias-correction procedure