1استادیار، عضو هیئت علمی گروه مدیریت بازرگانی دانشگاه یزد.
2دانشکدۀ اقتصاد، مدیریت و حسابداری، دانشگاه یزد
چکیده
در این پژوهش از یکی از رویکردهای مدرن در مباحث اقتصادی و مالی، با عنوان آنالیز موجک به‌منظور بررسی مدل قیمت‌گذاری دارایی‌های سرمایه‌ای استفاده شد. بهاینترتیب، با استفاده از بازده بازار، بتای موجکی برای بازده‌های روزانه 20 سهم از سهام بورس اوراق بهادار تهران در فاصلۀ زمانی فروردین‌ماه 1386 تا اسفندماه 1390 محاسبه شده است. آنگاه، ارتباط بتای موجکی و میانگین بازدهی‌ها در مقیاس‌های کوتاه‌مدت، میان‌مدت و بلندمدت با استفاده از تکنیک حداقل مربعات بررسی شد و این نتیجۀ مهم حاصل آمد که مدل قیمت‌گذاری دارایی‌های سرمایه‌ای یک مدل چندمقیاسه است که با به‌کارگیری مقیاس‌های زمانی متفاوت برای بازدهی‌های سهام، برآوردهای متفاوتی از بتا را فراهم آورده است. بنابراین، بازار سهام تهران در مقیاس بلندمدت بسیار کارا عمل می‌کند. آنگاه ارزشهای در معرض ریسک پرتفولیوی در هر یک از مقیاس‌ها محاسبه شد. براساس نتایج به‌دست‌آمده ریسک در فرکانس‌های بالا (مقیاس‌های پایین) به‌شدت متمرکز شده است.
Evaluating Value at Risk with Using Wavelet Analysis
Case Study: Tehran Stock Exchange
نویسندگان [English]
sadeghi sadeghi1؛ Somayeh Nazarizadeh Dehkordi2
1Assistant Professor, Faculty of Management, Yazd University
2School of Economics, Management and Accounting, Yazd University, Iran.
چکیده [English]
In this study, wavelet analysis as a modern technique in financial and economic issues is used to evaluate capital asset pricing model. For this purpose, using market return, beta coefficient was calculated for daily return of 20 shares selected form Tehran Stock Exchange from March 2007 until March 2012. Then, the relationship between wavelet beta and mean stock return was evaluated on short-term, medium-term and long-term scales using least-squares technique. The findings indicate that the capital asset pricing model is a multi-scale model that uses different time scales for stock returns to provide different estimates of beta. Thus, Tehran Stock Exchange is a very efficient capital market on the long-term scale. Subsequently, values at risk of portfolios were calculated for each scale. According to the result, risk is highly concentrated on high-frequency time series (lower scales).
کلیدواژه‌ها [English]
Wavelet analysis, CAPM model, time Scaling, Tehran Stock Security Exchange
مراجع
اسلامی بیدگلی و دیگران. (1388). «بررسی زمان مقیاس مدل قیمت‌گذاری دارایی سرمایه‌ای از طریق تبدیل موجک». مجلۀ بررسی‌های حسابداری و حسابرسی، دورۀ 16، شمارۀ 58، زمستان، 35-52.
توانگر، افسانه؛ خسرویانی، مهدی. (1390). «آزمون توان مدل D-CAPM، در مقایسه با مدل CAPM در تبیین ارتباط بین ریسک و بازده سهام». مجلۀ دانش مالی تحلیل اوراق بهادار، بهار 1390، شمارۀ 9.
شکیبایی، علیرضا؛ افلاطونی، عباس؛ نیکبخت، لیلی. (1387). «بررسی رابطه بلندمدت بین نرخ ارز و قیمت‌های نفت در کشورهای عضو اوپک». مجلۀ دانش و توسعه (علمی- پژوهشی)، سال پانزدهم، زمستان، شمارۀ 25.
Aloui, Ch., Hkiri, B., (2014)., "Co-movements of GCC emerging stock markets: New evidence from wavelet coherence analysis", Economic Modeling, VOL.36 PP. 421–431.
Black, F., Jensen, M., Scholes, M., (1972).,"Capital asset pricing model: some empirical tests. In: Jensen, M. (Ed.), Studies in the Theory of Capital Markets. Praeger, New York.
Bruce, A. and Gao, H.-Y. (1996) "Applied Wavelet Analysis with S-PLUS ". New York: Springer-Verlag.
Cifter, A. & A. Ozun. (2008). "A Signal Processing Model for Time Series Analysis": The Effect of International F/X Markets on Domestic Currencies Using Wavelet Networks. International Review of Electrical Engineering, 3: 580-591.
Copeland, T., Weston, J., & Shastri, K. (2004). Financial theory and corporate policy (Fourth edition). Pearson Addison Wesley.
Douglas E. Adams. (2007), "Health Monitoring of Structural Materials and Components; Methods with Applications", Purdue University, USA; John willey & sons.
10. Fama, E.F., MacBeth, J., (1973), Risk, return and equilibrium: empirical tests. Journal of Political Economy 71, 607–636.
11. Fernandez, V. (2006). The CAPM and Value at Risk at Different Time- Scales. International Review of Financial Analysis, 15: 203-219.
12. Genc¸ay, R., Whitcher, B., & Selc¸uk, F. (2002). An introduction to wavelets and other filtering methods in finance and economics. San Diego7 Academic Press.
13. Genc¸ay, R., Whitcher, B., & Selc¸uk, F. (2003). Systematic risk and time scales. Quantitative Finance, 3, 108– 116.
14. Genc¸ay, R., Whitcher, B., & Selc¸uk, F. (2005). Multiscale systematic risk. Journal of International Money and Finance, 24 (1), 55-70.
15. Genç ay, R., Gradojevic, N., Selçuk, F., & Whitcher, B. (2010). A symmetry of information flow between volatilities across time scales. Quantitative Finance, 10(8), 895–915.
16. In, F., S. Kim, V. Marisetty & R. Faff. (2008). Analysing the Performance of Managed Funds Using the Wavelet Multiscaling Method. Review of Quantitative Finance and Accounting, 31: 55-70.
17. I.Daubechies,(1996). "Where do wavelet come from?", Proc. IEEE,VOL.84, NO.4, PP.510-514.
18. Jammazi, R., & Aloui, C. (2010). "Wavelet decomposition and regime shifts": Assessing the effects of crude oil shocks on stock market returns. Energy Policy, 38(3), 1415–1435.
19. J.Morlet,A. Grossman,(1984). "Decomposition of Hard Functions in to Square Integrable Wavelets of Constant Shapes", SIMA. J.Math. Anual, Vol 15. NO.4, pp.723-736.
20. Jing Kao, L., Chou Chiu, Ch., Jie Lu, Ch. , Hsiang Chang,Ch. , (2013)., "A hybrid approach by
21. integrating wavelet-based feature extraction with MARS and SVR for stock index forecasting, Decision Support Systems VOL.54, PP.1228–1244.
22. Khalfaoui, R., Boutahar, M., (2011)., "A time-scale analysis of systematic risk Wavelet-based
23. approach, 28., MPRA Paper No. 3, posted 30., GREQAM d 'Aix-Marseille, IML University, Online at http://mpra.ub.uni-muenchen.de/ 31938.
24. Keijian H., Kin Keung L. , Jerome Y. (2012) " Ensemble forecasting of Value at Risk via Multi Resolution Analysis based methodology in metals markets "Journal of Expert Systems with Applications VOL. 39 PP. 4258–4267.
25. Lintner, J., (1965). The valuation of risky assets and the selection of risky investments in stock portfolios and capital budgets. Review of Economics and Statistics 47, 13–37.
26. Megginson, W. (1997). Corporate finance theory. Addison-Wesley, Educational Publishers Inc.
27. Mallat, S.,"Multi frequency channel Decomposition of image and wavelet Models", IEEE, trans. , ASSP, VOL:3, NO. 12, pp. 2091-2120, DEC. 1989.
28. Percival, D., &Walden, A. (2000).Wavelets analysis for time series analysis. Cambridge, UK7 Cambridge University Press.
29. Reboredo, J.C., River-Castro, M.A., (2014), "Wavelet-based evidence of the impact of oil Prices on stock returns". Int. Rev. Econ. Finance VOL.29, PP. 145–176. http://dx.doi.org/ 10.1016/j.iref.2013.05.014.
30. Rhaiem, R., S. Ben Ammou & A. Ben Mabrouk. (2007). Estimation of the Systematic Risk at Different Time Scales: Application to French Stock Market. International Journal of Applied Economics and Finance, 1(2): 79 - 87.
31. Rogachev, A. (2007) “Value-at-risk concept by Swiss private banks”, The Journal of Risk Finance, Vol. 8. No., pp. 72-78.
32. Sharpe, W., 1964. Capital asset prices: a theory of market equilibrium under conditions of risk. Journal of Finance 19, 425–442.
33. Shinde Abhijeet Dipak, (2004), A Wavelet Pack Based sifting process and Its Application for structural Health Monitoring. Worce ster Polytechnic Institute, US: MS Thesis.
34. S.G. Mallat 1988,"A Wavelet tour of signal processing" ,Academic Press.
35. Y.Meyer, 1987. "A Analysis par on delettes", pourla sience.
ابتدای صفحه