عنوان پایان‌نامه
برآورد ارزش در معرض ریسک با استفاده از مدل های حافظه بلند مدت در بورس اوراق بهادار تهران
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63809
- تاریخ دفاع
- ۳۰ آذر ۱۳۹۲
- دانشجو
- کوین قشه یوخنه للهام
- استاد راهنما
- سعید فلاح پور
- چکیده
- در این پژوهش با استفاده از مدل¬های ناهمسانی واریانس و حافظه بلند مدت ارزش در معرض ریسک برای شاخص کل بورس اوراق بهادار تهران به روش شبیه¬سازی تاریخی محاسبه شده است . بسیاری از سری¬های زمانی بازدهی دارای حافظه بلند¬مدت می¬باشند. در نتیجه برای درنظر گرفتن این ویژگی سری¬های زمانی، از مدل¬های ناهمسانی واریانس با حافظه بلند¬مدت استفاده شده است. همچنین ارزش در معرض ریسک با فرض توزیع پسماند نرمال، تی استودنت و تی استودنت چوله محاسبه گردیده است. با توجه به نتایج می¬توان گفت که استفاده از مدل¬های حافظه بلند¬مدت در مدل¬سازی واریانس¬های شرطی سبب افزایش دقت ارزش در معرض ریسک تخمین زده شده گردیده است. از بین مدل¬های حافظه بلند¬مدت نیز مدل FIAPARCH با توزیع جمله خطای نرمال از دیگر مدل¬های حافظه بلند¬مدت عملکرد بهتری داشته است .
- Abstract
- In this paper we evaluate the value-at-risk for Tehran Stock Exchange Index via long memory and heteroscedasticity models by historical simulation framework. Many return based time series have long memory feature.Therefore to compensate for this property long memory heteroscedasticity models which include: FIGARCH, FIAPARRCH and HYGARCH have been used. These models are evaluated via three alternative innovations’s distribution: normal, Student and skewed Student. In regard of conclusion we can state that incorporating long memory models improve value-at-risk estimation accuracy. Furthermore FIAPARCH model with normal distribution is more accurate than others.
