سنجش ارزش در معرض ريسك شرطي با استفاده از تركيب مدل FIGARCH و نظريه ارزش فرين

Modeling volatility and conditional VaR measure using GARCH models and theoretical EVT in Tehran Stock Exchange

تلاش در جهت شناسايي مدل مناسب و بالا بردن دقت اندازه گيري با استفاده از سنجه ارزش در معرض ريسك از اهميت ويژه اي برخوردار است. ارزش در معرض ريسك شرطي (CVaR) با نداشتن برخي نواقص ارزش در معرض ريسك، سنجه قابل اعتمادتري مي باشد. در اين پژوهش با مطالعه در خصوص ويژگي هاي داده هاي شاخص كل بورس اوراق بهادار تهران وكاربرد مدل FIGARCH-EVT در محاسبه ارزش در معرض ريسك شرطي، تصريح دقيق تري حاصل شده است. ابتدا مدل تركيبي GARCH-EVT پياده سازي شد و با توسعه آن، به مدل FIGARCH-EVT رسيديم كه خاصيت خوشه اي بودن، پويا بودن و حافظه بلندمدت را در مدلسازي لحاظ نموده است. استفاده از مدل FIGARCH براي داده هاي بازده لگاريتمي شاخص كل، موجب لحاظكردن خواص فوق در مدلسازي خواهد شد. بعلاوه، خاصيت دنباله پهن بودن داده هاي بازده شاخص با استفاده از تئوري مقدار فرين (EVT) براي پسماندهاي مدل FIGARCH بكار برده مي شود. براي مقايسه نتايج، مدل هاي NORMAL-GARCH و t-Student-GARCH، شبيه سازي تاريخي و GARCH-EVT نيز براي داده ها بازده شاخص بكار برده شده است. نتايج حاصل از مدل ها با استفاده از آزمون هاي پس آزمون مورد بررسي و مقايسه قرار گرفته اند. نتايج حاصل از اين پژوهش نشان مي دهد كه توزيع داده ها بازدهي شاخص نامتقارن داراي چولگي بوده و از توزيع نرمال تبعيت نمي كند. بر اساس چهار آزمون جزء اخلال مازاد استاندارد شده، فرآيند نقض تجمعي، پس آزمايي ريزش مورد انتظار و تابع زيان لوپز مدل FIGARCH-EVT نسبت به ساير مدل ها از دقت بالاتري برخوردار مي باشد.

Trying to identify an appropriate model to enhance measurement accuracy by using value at risk measures is of particular importance. Conditional Value at Risk (CVaR) with having some of the shortcomings of VaR, is a more reliable measure. In this study, the characteristics of the Tehran Stock Exchange index data usage FIGARCH-EVT model to calculate value at risk if states have been more accurate. GARCH-EVT hybrid implementation model and its development, FIGARCH-EVT model, we found that the effect of clustering, dynamic and long-term memory has been included in the modeling. FIGARCH model for log data output index, which will be modeled in terms of the above properties. In addition, the wide trail property index return data using extreme value theory (EVT) is used for residual FIGARCH model. To compare the results, NORMAL-GARCH models and t-Student-GARCH, historical simulation and GARCH-EVT indicator is used for data output. The results of the model using retrospective tests were evaluated. The results of this study indicate that the data distribution is skewed and asymmetrical index returns do not follow a normal distribution. The tests Standardized Exceedance Residuals and The Cumulative Violation Process and Expected shortfall backtesting and loss function Lopez FIGARCH-EVT model over other models is more accurate.