برآورد ارزش در معرض خطر پرتفوی ارزی یک بانک نمونه با روش garch-evt-copula

هدف این مقاله، محاسبه ارزش در معرض خطر پرتفوی ارزی یک بانک نمونه با استفاده از روش garch-evt-copula (gec) است. عمده ترین چالشی که امروزه صنعت بانکداری با آن مواجه بوده، درک مفهوم ریسک و به دنبال آن، اندازه گیری و کمی کردن ریسک است. روش های مختلفی برای اندازه گیری ریسک وجود دارد، اغلب این روش ها توزیع مشترک شناخته‌شده ای برای سبد دارایی فرض می کنند، به طور معمول توزیع مشترک نرمال در مدل های تجربی مورد استفاده قرار می گیرد، اما توزیع دارایی ها در اغلب موارد دنباله پهن هستند، در نتیجه، فرض نرمال بودن توزیع مشترک بازدهی می تواند به برآورد نادرست var منجر شود. در این مقاله، توزیع مشخصی برای سبد دارایی فرض نمی شود. این مقاله از مدل خودرگرسیون همراه با ناهمسانی واریانس آستانه‌ای (gjr-garch) برای توزیع بازده ای متغیر در طول زمان دارایی های فردی، همچنین تئوری مقدار فرین برای توزیع هایی که دنباله پهن هستند و توابع کاپولا برای ساختار وابسته به تمام دارایی های یک سبد دارایی استفاده کرده است. در این تحقیق، ارزش در معرض خطر از روش‌های واریانسکوواریانس و شبیه سازی تاریخی نیز محاسبه شده است. در نهایت، با استفاده از آزمون کوپیک که یکی از روش های پیش آزمایی ارزش در معرض خطر است، اعتبار مدل ها مورد سنجش و ارزیابی قرار گرفته است. نمونه آماری این مطالعه را نرخ‌نامه های روزانه ارزهای دلار، یورو، وون کره، ین ژاپن، لیر ترک و درهم امارات در بازار از تاریخ 1/1/1386 تا تاریخ 31/1/1391 تشکیل می دهند، همچنین سبد ارزی یک بانک نمونه در تاریخ 31/1/1391 مورد بررسی قرار گرفته است. براساس نتایج حاصلاز تحقیق، ارزش در معرض خطر محاسبه شده توسط مدل  gecنسبت به دو مدل دیگر بیشتر است و براساس نتایج به‌دست آمده از آزمون کوپیک، اعتبار و دقت مدل gec نسبت به دو مدل دیگر بیشتر است.

Calculation of Value at Risk of Currency Portfolio for a Typical Bank by GARCHEVTCopula Method

The purpose of this study is to calculate Value at Risk (VaR) of a selection of  bank's currency portfolio, using GARCHEVTCopula (GEC) approach. Today's main challenge of a banking system is to calculate and quantify  the risks that the system is encountered. There are numerous approaches to calculate the risks. Usually these approaches assume a common known distribution for the assets portfolio and generally a normal distribution is utilized for the experimental models. Nevertheless, the distributions of the assets are fattailed distribution and consequently normal distribution assumption may lead to inaccurate estimation. This article does not assume a specific asset distribution. This study applies autoregressive threshold variances (GJRGARCH) for intertemporal individual's asset variable returns distribution. It also utilizes extreme value theory or the fattailed distributions and Coppola functions for all asset returns in an asset portfolio. In this study VaR is estimated using variancecovariance and historical simulation methods. Finally, in order to test the reliability of the applied models Kopic method is used. The sample data of the bank's currency portfolio consists of the market daily figures of the US Dollar, Japan's Yen, Turkish Lire, Emirate Dirham, Korean Won, and Euro exchange rates from March 21, 2007 till April 19, 2012. The results showed that the estimated VaR using GEC model is higher than the one estimated using the other two methods. They also show that reliability and precision of Kopic test is higher than those of variancecovariance and historical simulation models.