پيش بيني ارزش در معرض ريسك وريزش موردانتظار؛ رويكرد مدل‏سازي داده هاي پرتناوب

اين پژوهش به بررسي عملكرد مدل هاي حافظه بلند مدت و مدل هاي حافظه كوتاه مدت در پيش بيني چند دوره اي ارزش در معرض ريسك (VaR) و ريزش موردانتظار (ES)مي پردازد. داده هاي مورد مطالعه مربوط به سه شاخص صنعت محصولات شيميايي، خودرو و ساخت قطعات و فلزات اساسي مي باشد كه در بازه زماني خرداد 1390 تا خرداد 1394 به صورت روزانه جمع آوري شده است. نتايج حاصل نشان مي دهد كه مدل هاي مبتني بر واريانس ناهمساني مشروط كه ويژگي حافظه بلند مدت را مد نظر قرار داده اند، در دوره هاي زماني مورد مطالعه بهبودي را در زمينه دقت پيش بيني VaR ايجاد ننموده اند. علاوه بر اين، مدل GARCH در اغلب شاخص هاي در نظر گرفته شده در دوره هاي زماني مورد مطالعه عملكرد بهتري داشته و داراي تابع زيان كوچكتري بين بازده هاي واقعي و برآورد ES بوده است. بنابراين مدل تلاطم با حافظه بلند مدت علي‏رغم اين كه با ساختار داده‏هاي پرتناوب انطباق بيشتري دارد در مقايسه با مدل حافظه كوتاه مدت GARCH، در افق هاي زماني كوتاه‏مدت و بلند مدت، نتوانسته بهبودي را در دقت پيش بيني VaRو ES ايجاد نمايد.