چکیده:
درﺑﺴﯿﺎری از ﺳﺮیﻫﺎی زﻣﺎﻧﯽ، ﺧﺼﻮﺻﺎ ﺳﺮیﻫﺎی زﻣﺎﻧﯽ ﻣﺎﻟﯽ، وﯾﮋﮔﯽ ﻧﺎﻫﻤﺴﺎﻧﯽ وارﯾﺎﻧﺲ ﻣﺸﺎﻫﺪه ﻣﯽﺷﻮدو ﺟﻬﺖ ﺗﺤﻠﯿﻞ و ﻣﺪﻟﺴﺎزی آﻧﻬﺎ، ﺑﺎﯾﺪ از ﻣﺪلﻫﺎﯾﯽ اﺳﺘﻔﺎده ﺷﻮد ﮐﻪ ﺷﺮوط ﻧﺎﻫﻤﺴﺎﻧﯽ را در ﺑﺮازش در ﻧﻈﺮﮔﯿﺮﻧﺪ. ﺑﻨﺎﺑﺮاﯾﻦ ﻣﺎ ﺗﺼﻤﯿﻢ ﮔﺮﻓﺘﯿﻢ در اﯾﻦ ﭘﮋوﻫﺶ ﮐﻼسﻫﺎی ﻣﺨﺘﻠﻒ از ﻣﺪلﻫﺎی GARCHو ﻣﺪل ﺗﻼﻃﻢﺗﺼﺎدﻓﯽ SVرا ﻣﻮرد ﺑﺮرﺳﯽ و ﻣﻘﺎﯾﺴﻪ ﻗﺮار دﻫﯿﻢ. در اﯾﻦ ﺗﺤﻘﯿﻖ ﺑﺎ اﺳﺘﻔﺎده از ﺑﺮآوردﮔﺮ ﺣﺪاﮐﺜﺮ درﺳﺘﻨﻤﺎﯾﯽ،ﭘﺎراﻣﺘﺮﻫﺎی ﻣﺪل ﺗﻼﻃﻢ ﺗﺼﺎدﻓﯽ را ﺑﻪ دو روش1 ISو 2 ISﺑﺮآورد ﮐﺮده و ﺟﺰء ﺧﻄﺎی εرا ﯾﮏ ﺑﺎر دارای ﺗﻮزﯾﻊﻧﺮﻣﺎل اﺳﺘﺎﻧﺪارد و ﺑﺎر دﯾﮕﺮ دارای ﺗﻮزﯾﻊ -tاﺳﺘﯿﻮدﻧﺖ در ﻧﻈﺮ ﮔﺮﻓﺘﯿﻢ و ارزش در ﻣﻌﺮض ﺧﻄﺮ را ﺑﺮای ﻫﺮروش ﻣﺤﺎﺳﺒﻪ ﮐﺮده و ﺑﺎ ﻧﺘﺎﯾﺞ ﺑﻪ دﺳﺖ آﻣﺪه از ﻣﺪل GARCHو GARCH-tﻣﻘﺎﯾﺴﻪ ﮐﺮدﯾﻢ. ﺑﻪ ﻋﺒﺎرﺗﯽ دﯾﮕﺮوارﯾﺎﻧﺲﻫﺎی ﺷﺮﻃﯽ را ﻣﺤﺎﺳﺒﻪ ﮐﺮده و ﭘﺲ از ﻣﺤﺎﺳﺒﻪ ارزش در ﻣﻌﺮض ﺧﻄﺮ ﺑﺮای ﺷﺎﺧﺺ ﺑﻮرس اوراقﺑﻬﺎدار ﺗﻬﺮان، از ﻃﺮﯾﻖ ﭘﺲآزﻣﺎﯾﯽ روشﻫﺎ را ﻣﻘﺎﯾﺴﻪ ﻧﻤﻮدﯾﻢ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ آزﻣﻮن ﮐﺮﯾﺴﺘﻮﻓﺮﺳﻦ ﺑﻪ اﯾﻦ ﻧﺘﯿﺠﻪرﺳﯿﺪﯾﻢ ﮐﻪ در ﺳﻄﺢ 59% و 99% ﻣﺪل ﺗﻼﻃﻢ ﺗﺼﺎدﻓﯽ، ﺑﺮای ارزﯾﺎﺑﯽ روش ارزش درﻣﻌﺮض ﺧﻄﺮ ﻧﺮﻣﺎلﺷﺮﻃﯽ ﻣﻨﺎﺳﺐ اﺳﺖ. ﻫﻤﭽﻨﯿﻦ آزﻣﻮن ﮐﻮﭘﯿﮏ اﺳﺘﻔﺎده از روش1 ، ISﺑﺮای ﺑﺮآورد وارﯾﺎﻧﺲﻫﺎی ﺷﺮﻃﯽ، ﺟﻬﺖﻣﺤﺎﺳﺒﻪ ارزش در ﻣﻌﺮض ﺧﻄﺮ ﻧﺮﻣﺎل ﺷﺮﻃﯽ را ﻣﻨﺎﺳﺐ ارزﯾﺎﺑﯽ ﮐﺮد.
خلاصه ماشینی:
ﻣﺠﻠﻪ ﻣﻬﻨﺪﺳﯽ ﻣﺎﻟﯽ و ﻣﺪﯾﺮﯾﺖ اوراق ﺑﻬﺎدار ﺷﻤﺎره ﭘﺎﻧﺰدﻫﻢ / ﺗﺎﺑﺴﺘﺎن 2931 ﻣﻘﺎﯾﺴﻪ ﻣﺪل ﺗﻼﻃﻢ ﺗﺼﺎدﻓﯽ و ﻣﺪلﻫﺎی ،GARCHاز ﻃﺮﯾﻖ ﻣﺤﺎﺳﺒﻪ ارزش در ﻣﻌﺮض ﺧﻄﺮ 1 رﺳﻮل ﺳﺠﺎد ﺗﺎرﯾﺦ ﭘﺬﯾﺮش: 52/2/29 ﺗﺎرﯾﺦ درﯾﺎﻓﺖ: 01/11/19 2 ﺷﺮاره ﻫﺪاﯾﺘﯽ ﺷﻬﺮه ﻫﺪاﯾﺘﯽ ٣ ﭼﮑﯿﺪه واژهﻫﺎی ﮐﻠﯿﺪی: 1- ﻋﻀﻮ ﻫﯿﺎت ﻋﻠﻤﯽ داﻧﺸﮑﺪه ﻓﻨﯽ و ﻣﻬﻨﺪﺳﯽ داﻧﺸﮕﺎه ﻋﻠﻢ و ﻓﺮﻫﻨﮓ 2- داﻧﺸﺠﻮی ﮐﺎرﺷﻨﺎﺳﯽ ارﺷﺪ ﻣﻬﻨﺪﺳﯽ ﻣﺎﻟﯽ داﻧﺸﮕﺎه ﻋﻠﻢ و ﻓﺮﻫﻨﮓ Hedayati_sharareh@yahoo.
ﮔﺮﻻچ و ﺗﯿﻮی)6002(، در ﻣﺪلﻫﺎی SVﺑﻪ ﻣﻘﺎﯾﺴﻪ روش 14MCMCو 18 ﻓﺼﻠﻨﺎﻣﻪ ﻣﻬﻨﺪﺳﯽ ﻣﺎﻟﯽ و ﻣﺪﯾﺮﯾﺖ اوراق ﺑﻬﺎدار/ ﺷﻤﺎره ﭘﺎﻧﺰدﻫﻢ/ ﺗﺎﺑﺴﺘﺎن 2931 روش ﻧﻤﻮﻧﻪﺑﺮداری ﺗﺮﺟﯿﺤﯽ ﭘﺮداﺧﺘﻪ و درﯾﺎﻓﺘﻨﺪ ﮐﻪ روش MCMCروﺷﯽ ﭘﯿﭽﯿﺪه اﺳﺖ و ﻣﯽﺗﻮان از روش ﻧﻤﻮﻧﻪﺑﺮداری ﺗﺮﺟﯿﺤﯽ ﺑﺮای ﺑﺮآورد ﭘﺎراﻣﺘﺮﻫﺎ اﺳﺘﻔﺎده ﮐﺮد ﭼﺮا ﮐﻪ ﺳﺮﻋﺖ ﺑﯿﺸﺘﺮی ﻧﺴﺒﺖ ﺑﻪ MCMCدارد.
از آنﺟﺎ ﮐﻪ )7( ﻫﻤﺎن اﻣﯿﺪ رﯾﺎﺿﯽ ﭼﮕﺎﻟﯽ ) p(y|hﻣﯽﺑﺎﺷﺪ، ﻣﯽﺗﻮان از ﻣﯿﺎﻧﮕﯿﻦ ) ( p y hﻫﺎ ﺑﺮای ﻣﺤﺎﺳﺒﺎت اﺳﺘﻔﺎده ﮐﺮد: 38 ﻓﺼﻠﻨﺎﻣﻪ ﻣﻬﻨﺪﺳﯽ ﻣﺎﻟﯽ و ﻣﺪﯾﺮﯾﺖ اوراق ﺑﻬﺎدار/ ﺷﻤﺎره ﭘﺎﻧﺰدﻫﻢ/ ﺗﺎﺑﺴﺘﺎن 2931 1 )8( = ) (p y h ) (p y h N ﮐﻪ در آن: ) ( ، p y hﻣﯿﺎﻧﮕﯿﻦ ) ( p y hﻫﺎ اﺳﺖ و Nﺗﻌﺪاد ﻧﻤﻮﻧﻪ ) ( hﻫﺎ از ﺗﻮزﯾﻊ ﻏﯿﺮ ﺷﺮﻃﯽ ) p(hاﺳﺖ.
58 ﻓﺼﻠﻨﺎﻣﻪ ﻣﻬﻨﺪﺳﯽ ﻣﺎﻟﯽ و ﻣﺪﯾﺮﯾﺖ اوراق ﺑﻬﺎدار/ ﺷﻤﺎره ﭘﺎﻧﺰدﻫﻢ/ ﺗﺎﺑﺴﺘﺎن 2931 ﭘﺲ ﺑﺮآورد ﺣﺪاﮐﺜﺮ درﺳﺘﻨﻤﺎﯾﯽ ﺑﺮای ﭘﺎراﻣﺘﺮﻫﺎی ﻣﺪل ﺗﻼﻃﻢ ﺗﺼﺎدﻓﯽ ﺑﻪ ﺻﻮرت راﺑﻄﻪ )31( اﺳﺖ.
, 2008, Capturing common components in high-frequency financial time seris: A multivariate stochastic multiplicative error model, Jornal of Economic Dynamics Control 32, 3978-4015 95 1392 ﻓﺼﻠﻨﺎﻣﻪ ﻣﻬﻨﺪﺳﯽ ﻣﺎﻟﯽ و ﻣﺪﯾﺮﯾﺖ اوراق ﺑﻬﺎدار/ ﺷﻤﺎره ﭘﺎﻧﺰدﻫﻢ/ ﺗﺎﺑﺴﺘﺎن Jacquier, E, Polson,G, Rossi, P, 2004, Bayesian analysis of stochastic volatility models withfat-tails and correlated errors, Journal of Econometrics 122, 185 – 212.