رتبه‌ بندی مدل‌های پارامتریک ارزش در معرض خطر با لحاظ کردن موقعیت معاملاتی سهامدار (کاربرد توابع توزیع نامتقارن در مدل‌های خانواده Garch)

در این مقاله با استفاده از مدل های خانواده garch به تخمین ارزش در معرض خطر دارایی ها برای معامله گران بازار سهام تهران در دو موقعیت خرید و فروش می پردازیم. با توجه به رفتار نامتقارن بازدهی قیمت ها در بازار سهام تهران (tepix) هنگام خرید یا فروش از توابع توزیع نرمال نامتقارن و tstudent نامتقارن برای افزایش دقت مدل های ارزش در معرض خطر دارایی ها در دو حالت خرید یا فروش استفاده می کنیم. با تعمیم سنجه های تنبیهی شنر و دیگران (2012) برای لحاظ کردن موقعیت فروش در ارزیابی عملکرد مدل های پارامتریک نشان دادیم که مدل های egarch و gjrgarch با توابع توزیع نامتقارن دارای عملکرد بسیار دقیق تری هستند. همچنین آزمون آماری توانایی پیش بینی مکمل نشان می دهد که با توجه به انتخاب مدل مبنا (gjrgarch) سایر مدل های پارامتریک در مقایسه با مدل مبنا دارای میانگین خطای برابر نیستند و استفاده از توابع توزیع های نامتقارن در مدل های egarch و gjrgarch به شدت باعث ارتقاء رتبه آن‌ها شده است.

Ranking of Parametric Value at Risk Models with Consideration of Trader Position (Application of Asymmetric Distribution Functions in GARCH Models)

In this paper, we estimate the value at risk of Tehran stock exchange (TSE) index by using GARCH family models in short and long trading positions. Because of asymmetric behavior of returns for long and short positions in TSE, for enhanced accuracy of model, we apply asymmetric normal and tstudent distribution functions. By developing Sener et. al (2012) measurement for considering trading positions in performance assessment of parametric models, we show that EGARCH and GJRGARCH models with asymmetric normal and tstudent distribution functions are more accurate than other models. Also complementary forecast ability test explain that, with a benchmark model such as GJRGARCH, other models do not have equal mean error, so the asymmetric distribution functions in EGARCH and GJRGARCH models improve their ranks.