برآورد وجه تضمين قراردادهاي آتي با رويكرد ارزش در معرض خطر و با تاكيد بر توزيع پارتوي تعميم يافته

Futures Contracts Margin Setting by General Pareto Distribution VaR

با توجه به ماهيت تعهدي قراردادهاي آتي و در نتيجه اهميت اخذ وجوه تضمين از طرفين قرارداد توسط اتاق پاياپاي، محاسبه وجه تضمين مناسب در اين قراردادها به گونه اي كه همزمان با كاهش ريسك معاملات، هزينه هاي معاملاتي نيز مدنظر باشد، مورد توجه اتاق هاي پاياپاي است. با توجه به كاربرد گسترده مدل هاي ارزش در معرض خطر در تعيين وجه تضمين، در اين پژوهش با استفاده از داده هاي تغييرات قيمت هاي آتي سكه طلا، در بازه زماني سال 1387 تا 1394 پس از تخمين مقدار وجه تضمين در قراردادهاي آتي با استفاده از مدل هاي ارزش در معرض خطر پارامتريك سنتي، مدل شبيه سازي تاريخي و مدل هاي پارتوي تعميم يافته و پارتوي تعميم يافته سازگار، با آزمون هاي كوپيك و پوشش شرطي كريستوفرسن اقدام به ارزيابي عملكرد مدل ها شد. همچنين با توابع زيان دوم لوپز و بلانكو- ايهل اين مدل ها رتبه بندي شد. نتايج نشان مي دهد كه با توجه به دنباله هاي پهن توزيع تجربي داده هاي آتي، در سطوح اطمينان پايين، مدل شبيه سازي تاريخي و در سطوح اطمينان بالا، مدل پارتوي تعميم يافته سازگار، عملكرد مناسبي داشته است. لذا در پايان پيشنهاد شده است كه از اين مدل ها در سطوح اطمينان مربوطه براي محاسبه وجه تضمين قراردادهاي آتي استفاده شود.

According to the significance of margining process in derivatives contracts in clearing houses، margin setting in futures contracts is noteworthy due to tradeoff between risk management and trading cost. Due to the extensive use of Value at Risk models in margin setting، this study، using gold coins futures price returns، in the period from 2008 to 2016، estimates IME gold coin futures contracts initial margin by parametric and non-parametric Value at Risk models، such as historical simulation، general pareto distribution and adaptive GPD models. For models back testing، it applies Christoffersen conditional coverage likelihood ratio (LRcc) test and Lopez and Blanco-Ihle loss functions. The paper finds that historical simulation model has been outperforming parametric models، as the fat tail empirical distribution of futures return in low confidence level. In high confidence level adaptive GPD had the proper results. As a result findings propose the use of these two models to margin setting in proper confidence level.