پویایی‌های ارزش در معرض ریسک: رویکرد کاپولا ـ VAR بهینه‌شده با الگوریتم فرا ابتکاری PSO

Abstract

برآورد دقیق و صحیح ارزش در معرض ریسک(VaR) از جمله موضوعات مورد توجه پژوهشگران و نهادهای مالی است. علیرغم مفهوم ساده VaR، اندازه‌گیری آن دارای محدودیت­هایی همانند فرض نرمال بودن توزیع، عدم در نظر گرفتن پویایی­ها در طی زمان و در نظر گرفتن چندک­های شرطی به‌صورت خطی است. در این پژوهش از مدل MCAViaR و مدل کاپولای ترکیبی نوع کلایتون و t برای برآورد VaR و از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) به‌منظور تخمین پارامتر وابستگی، برای حل این مشکلات استفاده شده است. نمونه پژوهش ده شرکت بزرگ و فعال بورس تهران و دوره زمانی پژوهش از فروردین سال 1398 تا اسفند سال 1398 است. نتایج پژوهش نشان می­دهد که ضرایب وابستگی دمی مدل MCAViaR برای سهام مورد مطالعه برخلاف پژوهش­های خارجی برابر صفر است و در نتیجه این مدل را می‌توان به دو معادله مستقل CAViaR تقسیم کرد. نتایج حاصل از تخمین کوانتایل‌های متغیر با زمان، نیز حاکی از آن است که سری‌های زمانی کوانتایل‌های حاصل از مدل کاپولای ترکیبی به سبب فرکانس بالای زمانی نسبت به مدل MCAViaR، پویایی‌ را به‌خوبی نشان می‌دهد. نتایج حاصل از آزمون پس‌آزمایی کوپیک نیز تأیید­­کننده عملکرد بهتر مدل کاپولای ترکیبی نسبت به مدل MCAViaR است.

Keywords

• تخمین var
• مدل mcaviar
• کاپولا
• بهینه‌سازی
• الگوریتم فرا ابتکاری pso