ارزش در معرض ريسك در بورس اوراق بهادار تهران با استفاده از رويكردهاي پارامتريك و ناپارامتريك

Value at Risk Assessment in Tehran Stock Exchange using Non-parametric and parametric Approaches

هدف پژوهش حاضر، ارزيابي ارزش در معرض ريسك شاخص سهام بر مبناي رويكردهاي پارامتريك و ناپارامتريك در بورس اوراق بهادار تهران مي باشد. در اين راستا از شاخص كل بورس اوراق بهادار تهران(TEPIX) به عنوان نماينده پرتفوي بازار و داده هاي روزانه در دوره زماني 21/07/1388-21/08/1398 استفاده شده است. در اين تحقيق ابتدا نتايج برآورد ارزش در معرض ريسك با استفاده از دو مدل ميانگين متحرك موزون نمايي (EWMA) و شبيه سازي مونت كارلو (MC) ارايه مي شود. در ادامه با استفاده از آزمون هاي پس آزمايي كارايي اين مدل ها با مدل هاي ديگر از جمله مدل هاي گارچ و شبيه سازي تاريخي مقايسه مي شود. نتايج برآورد اين مدل ها كه با استفاده از نرم افزارهاي Eviews 10 و Matlab 2018 به دست آمده است ارايه شد. نتايج اين تحقيق نشان مي دهد كه الگوي ميانگين متحرك موزون نمايي (EWMA) از كارايي و دقت بالاتري نسبت به مدل هاي ديگر برخوردار است. همچنين نتايج اين تحقيق نشان مي دهد بر اساس نسبت تخطي و آزمون هاي پس آزمايي، مدل هاي ناپارامتريك از جمله شبيه سازي مونت كارلو، ارزش در معرض ريسك را بيشتر از حد برآورد كرده است.

The purpose of this study is to evaluate the value at risk of stock indexes based on parametric and nonparametric approaches in Tehran Stock Exchange. In this regard, the Tehran Stock Exchange (TEPIX) index was used as a representative of market portfolios and daily data for the period 13/10/2009-12/11/2019. In this study, first, the results of estimating the value at risk using two models of exponentially weighted Moving Average (EWMA) and Monte Carlo simulation (MC) are presented. The performance tests of these models are then compared with other models including GARCH and historical simulation models. The estimation results of these models were obtained using Eviews 10 and Matlab 2018 software. The results show that the exponential moving average (EWMA) model is more efficient and more accurate than other models. The results also show that based on violation ratio and Back Tests, non-parametric models such as Monte Carlo simulation have overestimated the value at risk .