اندازه‌گیری ریسک با معیار سنجش ارزش در معرض ریسک (VaR)، از طریق مدل GARCH ( مطالعه‌ای در سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در صنعت سیمان)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد رشته مدیریت بازرگانی- مالی دانشگاه یزد

2 دانشیار، عضو هیأت علمی گروه مدیریت بازرگانی دانشگاه یزد

3 استادیار، عضو هیأت علمی گروه مدیریت بازرگانی دانشگاه یزد

چکیده

همه سرمایه­گذاران در بورس اوراق بهادار با موضوع ریسک روبه­رو هستند. بنابراین، اندازه­گیری ریسک از مهم­ترین مسائل نزد سرمایه­گذاران می­باشد. پژوهش حاضر به اندازه­گیری ریسک با معیار سنجش ارزش در معرض ریسک می­پردازد. در این مطالعه، ارزش در معرض ریسک با استفاده از مدل­های GARCH اندازه‌گیری شده است. جامعه آماری پژوهش، سهام شرکت­های پذیرفته شده در بورس اوراق بهادار تهران در صنعت سیمان از ابتدای  سال­ 1389 تا پایان سال 1391 است. نتایج این پژوهش نشان می­دهد که مدل GARCH عملکرد مناسبی در تخمین ارزش در معرض ریسک سهام شرکت­های پذیرفته شده در بورس اوراق بهادار تهران در صنعت سیمان دارد و می­توان بیان نمود که مدل GARCH(1,1) با توزیع t-student برای بیشتر شرکت­های پذیرفته شده در بورس اوراق بهادار تهران در صنعت سیمان مدل بهینه است  

کلیدواژه‌ها


عنوان مقاله [English]

The Measurement of Risk based on the Criterion of Value at Risk via Model of GARCH (A Study of Stock of Listeَd Companies in Tehran Stock Exchange (TSE) in the Cement Industry)

نویسندگان [English]

  • tahereh kiani 1
  • dariush farid 2
  • hojjatollah sadeghi 3
1 yazd university
2 yazd university
3 yazd university
چکیده [English]

All of investors in the Stock Exchange face risks. Thus, the measurement of risk is among the most important matters to investors. This study deals with the measurement of risk by criterion of Value at Risk. VaR was measured by using a GARCH model. The stock of the listed companies in Tehran Stock Exchange for the cement industry and the time period of the study is the price of cement companies between the years of 1389 to 1391. The results show that the GARCH model has good performance in estimating VaR in stock of listed companies in Tehran Stock Exchange for the cement industry and it can be concluded that the GARCH (1,1) model with the t-student distribution for the majority of listed companies is optimal. The results of this research can lead to favorable outcomes for risk management decisions.
 

کلیدواژه‌ها [English]

  • risk
  • Value at Risk
  • GARCH Model
  • Tehran Stock Exchange

-       حنیفی، فرهاد. (1383). "ارزش در معرض خطر، شیوه­ای جدید در مدیریت ریسک"، رساله دکترا، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات.

-       زمانی، شیوا. اسلامی بیدگلی، سعید. کاظمی، معین. (1392). "محاسبه ارزش در معرض ریسک شاخص بورس اوراق بهادار تهران با استفاده از نظریه ارزش آفرین". فصلنامه بورس اوراق بهادار، شماره 21، سال ششم. صفحه 115 تا 136.

-       عباسی، ابراهیم. (1392). "برآورد و ارزیابی ارزش در معرض ریسک در بازار فارکس". مجله مهندسی مالی و مدیریت اوراق بهادار، شماره هفدهم، صفحه 23 تا 44.

-       عبده تبریزی، حسین. حنیفی، فرهاد. (1380). "ارزش در معرض ریسک (value at risk )" ، سمینار مباحث جدید در بانکداری نوین، دانشکده مدیریت، دانشگاه تهران، موجود در پایگاه اینترنتی http:// www.abdoh.net .

-       فلاح شمس، میرفیض. (1389)." بررسی مقایسه­ای کارایی مدل ریسک سنجی و مدل اقتصاد سنجی GARCH در پیش­بینی ریسک بازار در بورس اوراق بهادار تهران". مجله مهندسی مالی و مدیریت پرتفوی، شماره پنجم، زمستان 1389، صفحه 137 تا 159.

-       کشاورز، غلامرضا. صمدی، حداد. (1388). "برآورد و پیش­بینی تلاطم بازدهی در بازار سهام تهران و مقایسه دقت روش­ها در تخمین ارزش در معرض خطر: کاربردی از مدل­های خانواده FIGARCH". مجله تحقیقات اقتصادی، شماره 86، بهار 88، صفحات 235-193.

-       کینکید، دیوید رونالد. (1381). آنالیز عددی، ترجمه فائزه توتونیان، منصوره صائمی، انتشارات دانشگاه امام رضا (ع)، مشهد.

-       Abad, P., & Benito, S. (2009). “A Detailed Comparison of Value at Risk in International Stock Exchages”, Fundacion De Las Cajas De Ahorros, Documento De Trabajo, 452, 1-45.

-       Adjasi, C., Harvey, S., & Agyapong, D. (2008).“Effect of exchange rate volatility on the Ghana Stock exchange”, African Journal of Accounting, economics, Finance and Banking Research, 3(3), 25-47.

-       Alexander, G.J., & Baptista, A.M. (2002). “Economic implications of using a mean VaR model for portfolio selection: A comparison with mean-variance analysis”, Journal of Economic Dynamics and Control, 26(7), 1159-1193.

-       Ardia, D. & Hoogerheide, L. (2014). “GARCH models for daily sock returns: Impact of estimation frequency on Value-at-Risk and Expected Shortfall forecasts”, Economics Letters, 123, 187-190.

-       Bams, D., & Wielhouwer, J.L. (2001). “Empirical Issues in Value-at-Risk”; Astin Bulletin, 31(2), 299-315.

-       Brooks, CH. (2008). “Econometrics for Finance”, Cambridge University.

-       Bubak, V. (2008). “Value-at-Risk on Central and Eastern European Stock Markets: An Empirical Investigation Using GARCH Models”, Charles University Prague, Faculty of Social Sciences, Institute of Economic Studies, 1-29.

-       Dickey, D.A., & Fuller, W.A. (1981). “Likelihood ratio statistics for autoregressive time series with a unit root”, Econometrica: Journal of the Econometric Society, 1057-1072.

-       Fan, Y., Wei, Y. m., & Xu, W.X. (2004). “Application of VaR methodology to risk management in the stock market in China”, Computers & Industrial Engineering, 46,383-388.

-               Francq, C., & Zakoian, J.M. (2010). “GARCH Models (Structure, Statistical Inference and Financial Applications)”, A John Wily and Sons, Ltd, Publication.

-       Gabriel, A.S. (2012). "Evaluating the Forecasting Performance of GARCH Models. Evidence from Romania", Procedia-Social and Behavioral Sciences, 62, 1006-1010.

-       Giot, P., & Laurent, S., (2003b). "Market Risk in Commodity Markets: A VaR Approach”, Energy Economics, 25(5), 435-457.

-               Gregory, P.C. (ED). (1959). “Proceeding of the self-adaptive flight control systems symposium”, Wright-Patterson AFB. OH. WADC Technical Report, 49-59.

-       Huang, Y.C., & Lin, B.J., (2004). “Value at risk analysis for Taiwan stock index futures: fat tail and conditional asymmetries in return innovations”, Review of Quantitative Finance and Accounting, 22, 79-95.

-       Kormas, G. (1998). “Daily and intradaily stochastic covariance: value at risk estimates for the foreign exchange market”, Concordia University, 1-46.

-               Manganelli, S., & Engle, R. (2001). “Value at risk models in Finance”, 75, 1-36.

-               Mohamed, A. (2005). “Would students t-GARCH improve VaR estimates?”. 1-47.

-       Orhan, Mehmet. Koksal, B. (2012). "A Comparison of GARCH Models for VaR estimation", Expert System with Applications, 39, 3582-3592.

-       Rogachev, A. (2006). “Methodological Issues and Some Illustrations of Applying Dynamic Value-at-Risk Model in Portfolio Management”, Available at SSRN, 1028202, 1-16.

-       Soni, V. (2005). “A Comparison of Value-at-Risk Methods for Portfolios Consisting of Interest Rate Swaps in the Indian Market under the GARCH Framework”, Credence Analytics, 1, 1-46.

-       Verchenco, O. (2002). “Determinants of Stock Market Volatility Dynamics”, working paper, HEC University of Lausanne, 1-50.

-       Yiu, K.F.C. (2004). “Optimal Portfolios under a Value at Risk”, Journal of Economic Dynamics Control, (28), 1317-1334.

-             Zheng, X. (2006). “Modeling and Simulation of Value at Risk in the Financial Market Area”, Louisiana Tech University, 276-280.