عنوان پایان‌نامه
برآورد ارزش در معرض ریسک با استفاده از مدل ترکیبی ماشین بردار پشتیبان و گارج
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 56884
- تاریخ دفاع
- ۲۱ بهمن ۱۳۹۱
- دانشجو
- ملیحه طبسی
- استاد راهنما
- سعید فلاح پور
- چکیده
- یکی از حوزههای اصلی و مهم مدیریت مالی، مدیریت ریسک میباشد. منظور از مدیریت ریسک شناسائی، اندازهگیری و نظارت بر ریسک است. بنابراین اندازهگیری ریسک از جایگاه ویژهای در مدیریت ریسک برخوردار است و یکی از مراحل اصلی آن به شمار میرود. از جمله روشهای شناخته شده و پرکاربرد اندازهگیری ریسک، محاسبهی ارزش در معرض ریسک میباشد که موضوع اصلی این تحقیق است. در این تحقیق با استفاده از مدل ترکیبی ماشین بردار پشتیبان وگارچ به پیشبینی نوسانات شاخصکل و شاخص پنجاه شرکت فعال پرداخته و سپس با روش واریانس-کواریانس ارزش در معرض ریسک برآورد شده است. به همین ترتیب ارزش در معرض ریسک با استفاده از مدلهای سنتی پیشبینی نوسان چون مدل ریسک متریک، گارچ و ایگارچ محاسبه گردید و عملکرد آنها با استفاده از پسآزمون لوپز و پسآزمون مبتنی بر ریزش مورد انتظار، که رویکردهائی مقایسهای برای سنجش اعتبار ارزش در معرض ریسک هستند، با عملکرد مدل ترکیبی مورد مقایسه قرار گرفت. نتایج حاصل از این پژوهش نشان داد که مدل ترکیبی نسبت به سایر مدلهای مورد استفاده در این تحقیق، به طور معناداری از عملکرد بهتری برخوردار است.
- Abstract
- One of the main subjects of financial management is risk management. Risk management involves recognizing, measuring and monitoring risk. So measuring of risk is very important part of the risk management. One of the most recognized an applied way of measuring risk, is evaluating value at risk that is the main subject of this research. In this research, we forecast volatility of TEPIX index and TSE-50 index by using the hybrid model of support vector machine based GARCH model, then we calculate Value at Risk by Variance-Covariance approach and finally we compare its result with the traditional models include: Risk Metrics, GARCH and EGARCH by LOPEZ’s back testing and back testing based of expected shortfall. The result of this research has shown that the hybrid model significantly outperform the competing models. KEYWORDS: Volatility, Value at Risk, Support Vector Machine
