dynamic cross hedging effectiveness between gold and stock market based on downside risk measures: evidence from iran emerging capital market

This paper examines the hedging effectiveness of gold futures for the stock market in minimizing variance and downside risks, including value at risk and expected shortfall using data from the iran emerging capital market during four different sub-periods from december 2008 to august 2018. we employ dynamic conditional correlation models including varma-bgarch (dcc, adcc, bekk, and abekk) and copula-garch with different copula functions to estimate volatilities and conditional correlations between iran gold futures contract return and tehran stock exchange main index return. the empirical results reveal that the dynamic conditional correlations switch between positive and near-zero values over the period under study. these correlations are high and positive during the major national currency devaluation and are low near to zero during other times. out-of-sample one-step-ahead forecasts based on rolling window analysis show that dcc and adcc multivariate garch models outperform other models for variance reduction, while a more interesting finding is that the copula-garch model outperforms other models for downside risks reduction.

عملکرد پوشش ریسک متقاطع پویا و ریسک نامطلوب: شواهدی از بازار نوظهور مالی ایران

در این مقاله ، اثربخشی پوشش قرارداد آتی طلا برای بازار سهام در به حداقل رساندن واریانس و ریسک های نامطلوب شامل ارزش در معرض خطر و ریزش مورد انتظار با استفاده از داده های بازار سرمایه نوظهور ایران در چهار دوره مختلف از آذر ماه 1387 تا شهریور 1397 بررسی می شود. ما برای برآورد نوسانات و همبستگی های شرطی بین بازده قرارداد آتی طلای ایران و بازده شاخص کل بورس اوراق بهادار تهران از مدل های همبستگی شرطی پویای از جمله VARMABGARCH (DCC, ADCC, BEKK , ABEKK) و مدل copulaGARCHاستفاده می کنیم. نتایج تجربی نشان می دهد که همبستگی های شرطی پویا بین مقادیر مثبت و نزدیک به صفر در طول دوره مورد مطالعه تغییر می کند. این همبستگی ها در طول دوره کاهش ارزش پول ملی بالا و مثبت هستند و در سایر مواقع نزدیک به صفر هستند. پیش بینی های بیرون نمونه و یک گام به جلو بر اساس تجزیه و تحلیل پنجره متحرک نشان می دهد که مدل های GARCH چند متغیره DCC و ADCC از سایر مدل ها برای کاهش واریانس پیشی می گیرند، در حالی که جالب تر این است که مدل copulaGARCH برای کاهش ریسک های نامطلوب از سایر مدل ها بهتر عمل می کند.