مدلسازی ساختار وابستگی نقدشوندگی و بازدهی پرتفوی با داده‌های طی‌روز در بورس تهران با رویکرد ACP-GARCH-High Dimension Vine Copula

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت مالی دانشگاه تهران

2 استاد مدیریت مالی دانشگاه تهران

3 دانشیار گروه مالی دانشگاه تهران

10.22051/jfm.2022.35450.2521

چکیده

رویکرد این تحقیق مدلسازی ساختار وابستگی نقدشوندگی و بازدهی سبدی از سهام با استفاده از داده‌های طی‌روز برای ۱۵ سهم در بازه زمانی سال ۱۳۹۸ برای ارائه مدلی مناسب جهت است. بنا به پیچیدگی‌های ناشی از مدلسازی توأمان بیش از سی متغیر ( توزیع توأمان نقدشوندگی و بازدهی ) ، پس از مدلسازی تک متغیره نقدشوندگی هر یک از سهم‌ها بر مبنای مدل پواسون خودرگرسیو شرطی (ACP) و بازدهی هر سهم بر مبنای مدل خودرگرسیون تعمیم‌یافته شرطی ناهمسانی واریانس (GARCH)، از توزیع‌های حاشیه‌ای مزبور برای مدلسازی توزیع توأمان با روش کاپیولا واین (Copula vine) استفاده می‌نماییم. یافته‌های این پژوهش که بر مبنای داده‌های پربسامد صورت گرفته است، حاکی از آن است که همبستگی قوی‌ غیرخطی دنباله‌ای در میان نقدشوندگی سهم‌ها و همچنین میان نقدشوندگی و بازدهی سهم‌ها با یکدیگر وجود دارد، که لازم است در ارزیابی‌های ریسک برای ارزیابی دقیق‌تر از شاخص‌هایی نظیر ارزش در معرض خطر مورد توجه قرار گیرد. علاوه بر این نتایج این تحقیق نشان داده است مدلسازی توزیع توأمان نقدشوندگی و بازدهی سهام در ابعاد بالا با تکیه بر کاپیولا واین به دلیل انعطاف بالای آن به طور قابل توجهی برازش مناسبی برای توزیع توأمان نقدشوندگی و بازدهی که دارای همبستگی قوی‌غیر خطی دنباله‌ای هستند ارایه می‌دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Intraday Liquidity and Return Dependency Structure Modeling of a Portfolio in Tehran Stock Exchange with ACP-GARCH-High Dimension Vine Copula

نویسندگان [English]

  • S.Fatemeh Hosseini 1
  • Reza Raei 2
  • Shapour Mohammadi 3
1 Ph.D. candidate of Finance at Tehran University
2 Professor of Finance at Tehran University
3 Associate Professor of Finance, University of Tehran
چکیده [English]

Modeling the joint distribution of liquidity and return to determine the dependency structure of a 15-stock portfolio using intraday data in 2019 provides a suitable model for the commonalities. Based on the complexities of higher dimensions multivariate modeling (combined distribution of liquidity and return), after univariate modeling of the stocks’ liquidity based on Autoregressive Conditional Poisson model (ACP) and the returns with the Generalized Autoregressive Conditional Heteroscedastic (GARCH), the marginal distributions were incorporated into a Copula Vine to model the dependency. The findings of this study, based on high-dimensional high-frequency data, indicate that there is an extreme nonlinear correlation between the liquidity of stocks and also between liquidity and returns across the portfolio, which is necessary to take into account in risk assessments to prevent inaccurate assessment of risk indicators such as value at risk. In addition, the results have shown that modeling the joint distribution of liquidity and stock returns in high dimensions relying on the Copula Vine model due to the flexibility performs well.

کلیدواژه‌ها [English]

  • Liquidity
  • . Copula Vine
  • ACP