مدلسازی ساختار وابستگی نقدشوندگی و بازدهی پرتفوی با داده‌های طی‌روز در بورس تهران با رویکرد acp-garch-high dimension vine copula

‌این تحقیق با ‌استفاده از داده‌های ‌15 سهم از 7 گروه صنعتی مختلف در بازه ‌‌5 دقیقه‌ای طی‌روز ‌در ‌سال 1398 به ارائه مدلی برای ساختار وابستگی نقدشوندگی و بازدهی سبدی از سهام ‌در بورس اوراق بهادار تهران پرداخته است. در این راستا، به علت پیچیدگی‌های ناشی از مدل‌سازی توامان بیش از 30 متغیر (توزیع توامان 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 توامان با روش کاپیولا واین (copula vine) استفاده گردید. ‌یافته‌های مبتنی ‌بر ‌داده‌های پربسامد نشان داد میان نقدشوندگی سهم‌ها و همچنین میان نقدشوندگی و بازدهی سهم‌ها با یکدیگر همبستگی قوی‌ غیرخطی دنباله‌ای ‌وجود دارد. بنابراین، ‌ارزیابی دقیق‌تر ریسک ایجاب می‌کند ‌شاخص‌هایی نظیر ارزش در معرض خطر مورد توجه قرار گیرد. به‌علاوه‌، نتایج ‌تحقیق حاضر نشان داد مدل‌سازی توزیع توامان نقدشوندگی و بازدهی سهام در ابعاد زیاد با تکیه بر کاپیولا واین به دلیل انعطاف بالا، برازش مناسبی برای توزیع توامان نقدشوندگی و بازدهی ‌دارای همبستگی قوی ‌غیرخطی دنباله‌ای ‌ارایه می‌دهد.

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

Modeling the joint distribution of liquidity and return to determine the dependency structure of a 15stock 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 highdimensional highfrequency 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.