مقايسه عملكرد مدل هاي GARCH چندمتغيره در تعيين ريسك پرتفوي

Using MGARCH to Estimate Value at Risk

در اين پژوهش عملكرد مدل هاي GARCH چندمتغيره، براي محاسبه ارزش در معرض -ريسك، مقايسه شده است. بدين‌منظور از پرتفويي شامل شاخص هاي هفتگي TEDPIX، KLSE و 100 XU براي مدت ده سال استفاده شد. براي تخمين ارزش در معرض ريسك، ابتدا مدل هاي CCC، DCC انگل، DCC تز و تسو و DECO-GARCH با استفاده از نرم‎افزار OxMetrics تخمين‎زده شدند. سپس با كمينه‎كردن معيارهاي اطلاعاتي و حداكثر راست‌نمايي، مقدار وقفه هاي بهينه به‎دست آمد. پس از تاييد كفايت مدل ها، ماتريس واريانس كواريانس آنها براي تخمين ريسك استفاده شد. نتايج نشان داد، گرچه مدل CCC، ماتريس واريانس را بهتر تخمين مي زند، مدل DECO-GARCH به‌واسطه به‌كارگيري كامل تر اطلاعات ماتريس همبستگي، بهتر از ديگر مدل ها، ارزش در معرض ريسك را محاسبه مي-كند.

In this paper we compared multivariate GARCH models to estimate Value-at-Risk. We used a portfolio of weekly indexes including TEDPIX, KLSE, XU100 during ten years. To estimate Value-at-Risk, first we estimated CCC, DCC of Engle, DCC of Tse and Tsui, Dynamic Equi correlation models by OxMetrics. Then, optimum lags were estimated by minimizing the information criteria. To estimate VaR, the models accuracy was validated by using variance-covariance matrix. The results show that although CCC model estimates variance matrix better, Dynamic Equi correlation is preferable to estimate Value-at-Risk, employing more complete correlation matrix.