پیش‌بینی ارزش در معرض ریسک وریزش موردانتظار؛ رویکرد مدل‏سازی داده‌های پرتناوب

این پژوهش به بررسی عملکرد مدل‌های حافظه بلند‌مدت و مدل‌های حافظه کوتاه‌مدت در پیش‌بینی چند‌دوره‌ای ارزش در معرض ریسک (var) و ریزش موردانتظار (es)می‌پردازد. داده‌های مورد مطالعه مربوط به سه شاخص صنعت محصولات شیمیایی، خودرو و ساخت قطعات و فلزات اساسی می‌باشد که در بازه زمانی خرداد 1390 تا خرداد 1394 به صورت روزانه جمع‌آوری شده است. نتایج حاصل نشان می‌دهد که مدل‌های مبتنی بر واریانس ناهمسانی مشروط که ویژگی حافظه بلند‌مدت را مد‌نظر قرار داده‌اند، در دوره‌های زمانی مورد مطالعه بهبودی را در زمینه دقت پیش بینی var ایجاد ننموده‌اند. علاوه بر این، مدل garch در اغلب شاخص‌های در نظر‌گرفته شده در دوره‌های زمانی مورد ‌مطالعه عملکرد بهتری داشته و دارای تابع زیان کوچکتری بین بازده‌های واقعی و برآورد es بوده است. بنابراین مدل تلاطم با حافظه بلند‌مدت علی‏رغم این که با ساختار داده‏های پرتناوب انطباق بیشتری دارد در مقایسه با مدل حافظه کوتاه‌مدت garch، در افق‌های زمانی کوتاه‏مدت و بلند‌مدت، نتوانسته بهبودی را در دقت پیش‌بینی varو es ایجاد نماید.