رابطه بين برآورد ارزش در معرض خطر با استفاده از روش باز نمونه گيري بوت استرپ (مطالعه موردي بورس اوراق بهادار تهران)

Estimation of Value-at-Risk using the bootstrap resampling method (A case study of the Tehran stock exchange)

توسعه روز افزون بازارهاي مالي اهميت برآورد معيار شناخته شده اندازه گيري ريسك بازار، ارزش در معرض خطر (VaR) را بيش از گذشته آشكار ساخته است. استفاده از مدل GARCH نرمال يكي از روش هاي پايه در زمينه برآورد VaR مي باشد. با اين وجود، توزيع بازده دارايي هاي مالي از دنباله پهن تري نسبت به توزيع نرمال برخوردار است. بنابراين، در مقاله حاضر يك فرآيند تصحيح تورش بر اساس روش باز نمونه گيري بوت استرپ به منظور برطرف نمودن كاستي هاي مدل GARCH نرمال در ارتباط با برآورد مناسب VaR اجرا شده است. نتايج نشان مي دهد فرآيند تصحيح تورش توانايي برآورد VaR مدل GARCH نرمال را در برآورد VaR براي شاخص كل بورس اوراق بهادار تهران (TEPIX)، حداقل در سطوح احتمال نهايي بهبود داده است، و همچنين منجر به بهبود نتايج مدل t-GARCH شده است. مدل شبيه سازي تاريخي (HS) و شبيه سازي تاريخي فيلتر شده (FHS) نيز به منظور مقايسه نتايج حاصل از به كارگيري فرآيند تصحيح، مورد بررسي 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.