چكيده فارسي :
هدف
امروزه اندازه گيري ريسك بازار اهميت ويژه اي دارد؛ چراكه برآورد نادرست چنين ريسكي، به بحران هاي مالي و ورشكستگي منجر مي شود. يكي از شيوه هاي بسيار رايج براي برآورد ريسك بازار، رويكرد ارزش در معرض ريسك (VaR) است كه پژوهشگران روش هاي مختلفي براي تخمين و پس آزمايي آن ارايه كرده اند. هدف اين پژوهش، ارايه آزموني جامع براي پس آزمايي و تحليل حساسيت پس آزمايي تخمين VaR نسبت به دو پارامتر تعداد نمونه (n) و سطح اطمينان (N) است.
روش
ابتدا با استفاده از روش هاي گارچ كاپولا، همبستگي شرطي پويا و نظريه ارزش فرين تخمين VaR شامل داده هاي بورس اوراق بهادار تهران انجام شد و با استفاده از آزمون چندجمله اي، در دو مرحله به پس آزمايي دقت تخمين VaR و رتبه بندي روش ها پرداخته شد. سپس با در نظر گرفتن تعداد نمونه (n) و مقدار سطوح مختلف (N)، روي پس آزمايي روش هاي تخمين، تحليل حساسيت انجام گرفت و در نهايت، بازه هاي مقادير n و N كه به تخمين دقيق VaR منجر مي شود، انتخاب شد.
يافته ها:
نتايج اين تحليل حساسيت مشخص كرد كه در هر سه روش، با افزايش مقدار N، ميزان خطا نيز افزايش مي يابد. از سوي ديگر، تحليل حساسيت پارامتر n نشان داد كه مقدار اين پارامتر، به روش استفاده شده در برآورد تخمين VaR وابسته است؛ اما به طور كلي، افزايش آن به معتبر شدن روش هاي تخمين VaR منجر مي شود. افزون بر اين، مشخص شد كه به ازاي روش نظريه ارزش فرين، بايد حداقل 29درصد داده ها براي نمونه آزمون در تخمين VaR به كار گرفته شود؛ اما براي دو روش هم بستگي شرطي پويا و گارچ كاپولا اين مقدار 22درصد است.
نتيجه گيري:
نتايج نشان داد كه اعتبار روش هاي تخمين VaR به دو پارامتر n و N حساس است و به ازاي مقادير متفاوت از آن ها، ممكن است روش هاي مختلف معتبر نباشند. علاوه بر اين، در رتبه بندي روش هاي تخمين با استفاده از تابع زيان، روش هاي گارچ كاپولا، نظريه ارزش فرين و هم بستگي شرطي پويا، به ترتيب در رتبه هاي اول تا سوم قرار گرفتند.
چكيده لاتين :
Objective: Nowadays, the measurement of the risk of the marketplace has a significant effect on investments; however, the inadequate evaluation of this risk will cause a financial crisis and possible bankruptcy. One of the typical approaches to measure this risk is the probability-based risk measurement method, known as Value-at-Risk (VaR), for estimating and backtesting of which there are various methods. The purpose of this paper is to put forward a comprehensive test for backtesting and analyzing the sensitivity of VaR based on the number of samples (n) and confidence levels (N).
Methods: First, the VaR of Tehran Stock Exchange data was estimated by applying GARCH-Copula, DCC, and EVT. Next, by using the multinomial backtesting in two steps the accuracy of VaR estimation and ranked the models were tested. Thereafter, considering the number of samples (n) and the confidence levels (N), the sensitive analysis of the backtesting result demonstrated the accuracy of the estimated VaR by selecting the most appropriate parameters.
Results: Sensitive analysis findings indicated that in all three models, increasing the parameter "N" will result in an increase in the error rate. On the other hand, sensitive analysis of parameter "n" proved that its value depends on the technique used to estimate VaR, but generally, any increase in it leads to validation of VaR estimation models. The results also showed that according to the EVT method, at least 29% of the data is required to be used as a test sample in VaR estimation; however, the amount is equal to 22% in the DCC and GARCH-Copula methods.
Conclusion: The result of the sensitivity analysis indicated that the reliability of different estimating VaR techniques relies on "n" and "N" parameters and different amounts of these two parameters can generate inaccurate and uncertain outcomes for each model. In addition, ranking these methods by using the loss function, GARCH-Copula, EVT and DCC methods ranked first to third, respectively
