مقايسه روش هاي پارامتريك و نيمه پارامتريك در تخمين ارزش در معرض ريسك

Parametric Versus Semi Parametric VaR Models:A Comparative Approach

در اين پژوهش عملكرد مدل هاي GARCH چند متغيره پارامتريك و نيمه پارامتريك پرتفويي شامل شاخص هاي TEDPIX، DJIA و Nikkei 225 جهت تعيين بهترين سنجه ارزش در معرض ريسك مورد مقايسه قرار گرفت. جهت فايق آمدن بر مشكل مدل هاي پارامتريك كه اطلاعات موجود در خطاهاي استاندارد را ناديده مي گيرد، از مدل هاي نيمه پارامتريك استفاده گرديد. به همين منظور پس از تخمين ماتريس كواريانس شرطي، با استفاده از مدل هاي GARCH چند متغيره پارامتريك، خطاهاي استاندارد شده به صورت ناپارامتريك، با استفاده از تخمين زننده رگرسيون كرنل محاسبه گرديد. با تركيب ماتريس كواريانس پارامتريك و ماتريس پسماندهاي ناپارامتريك، ماتريس كواريانس نيمه پارامتريك به دست آمد. سپس ارزش در معرض ريسك، با استفاده از ماتريس كواريانس پارامتريك و نيمه پارامتريك محاسبه و نتايج مورد بررسي قرار گرفت. نتايج حاكي از برتري مدل هاي نيمه پارامتريك نسبت به مدل هاي پارامتريك در زمينه تخمين ارزش در معرض ريسك است.

In this article, we compare the operation of parametric and semiparametric multivariate GARCH models portfolio including TEDPIX, DJIA, and Nikkei 225 in order to estimate the value at risk. To surmount the problem of parametric models which ignore the information existing in standard errors, we use semiparametric models. Therefore, after estimation of conditional covariance matrix using parametric multivariate GARCH models, we calculate standardized errors by kernel regression estimator nonparametrically. Semiparametric covariance matrix is obtained by combination of parametric covariance matrix and nonparametric residual matrix, then with parametric and semiparametric covariance matrix estimated the value at risk and evaluated the result. The result represents the excellence of semiparametric to parametric in value at risk estimation.