طراحي مدلي نوين براي اندازه‌گيري ريسك بازدهي شاخص صنعت بيمه برپاية رهيافت ماركوف

A New Model for Measuring Return Risk of Insurance Industry Index Based on Markov Approach

هدف: طراحي مدلي جامع و كاربردي براي محاسبه ريسك بازاري شاخص صنعت بيمه در بازار سهام است. هدف جانبي، آزمون رفتارپذيري شاخص مذكور از انتقالات رژيمي در دوره‌هاي زماني مختلف است. روش‌شناسي:روش مورد استفاده جهت دستيابي به هدف، بهره‌گيري از رويكرد «ارزش در معرض ريسك» با استفاده از تركيب فرآيند رژيمي ماركوف در غالب مدل‌هاي خانواده GARCH مي‌باشد. يافته‌ها:نتايج تحقيق حاضر نشان مي‌دهد ريسك بازدهي شاخص صنعت بيمه از انتقالات رژيمي تبعيت مي‌كند و داراي هر دو اثر بازخورد و اثر اهرمي مي‌باشد. همچنين رفتار رژيمي بازده اين صنعت برپايه تابع توزيع t مي‌باشد و با احتمالات متفاوتي بين رژيم‌ها انتقال مي‌يابد. نتيجه‌گيري: سازوكار 6 مرحله‌اي طراحي شده در اين پژوهش، داراي مزاياي از جمله قابليت درنظر گرفتن انتقالات رژيمي، اثر اهرمي، اثر بازخورد بر پايه توابع توزيع متقارن و نامتقارن مي‌باشد. نتيجه تحقيق نشان مي‌دهد كه مدل طراحي شده داراي قدرت بالاتري نسبت به مدل‌هاي مرسوم در اندازه‌گيري ريسك بازدهي شاخص صنعت بيمه است.

Objective: The main purpose is to design a comprehensive and practical model for calculating the market risk of the insurance industry index in the stock market. The side goal is to test the behavior of the index for regime transitions in different time periods. Method :The approach used to achieve goals is to utilize the “Value at Risk” approach by combining the Markov regime process in body of the GARCH family models. Finding :‌The results of the present study show that the return risk of the insurance industry follows regime transfers and has both feedback and leverage effects. Also, the regime behavior of this industry is based on the distribution function. Also it is transmitted between regimes with different probabilities. Conclusion: The six-step mechanism designed in this study has advantages such as capability to consider regime transitions, leverage effect, feedback effect based on symmetric and asymmetric distribution functions. The results show that the designed model has higher power than conventional models in measuring the risk index of the insurance industry index.