برآورد شاخص ارزش در معرض خطر (var) شرکت فولاد مبارکه با استفاده از مدل دو طرفه گارچ-لوماکس

هدف: مدل دوطرفه گارچ-لوماکس معرفی شده است و از این مدل برای محاسبه شاخص ارزش در معرض خطر استفاده شده است که برآورد واقع‌بینانه‌ تری از سایر توزیع‌ها برای تمام سطوح اطمینان در نظر گرفته می‌شود. سپس این شاخص را برای داده‌های کاربردی محاسبه می‌کنیم. روش‌شناسی پژوهش: در این مطالعه، توزیع انعطاف‌پذیر جدیدی برای مدل‌های گارچ در پیش‌بینی ارزش در معرض خطر ارائه شده است. مدل‌سازی دقیق بازده مالی به توزیع مناسب نوآوری نیاز دارد. یافته‌ها: نتایج تجربی نشان می‌دهد که مدل گارچ تعمیم یافته با توزیع نوآورانه لوماکس دوطرفه، پیش‌بینی‌های شاخص ارزش واقع‌بینانه، توزیع طبیعی واقع‌بینانه، توزیع تی و توزیع خطای تعمیم یافته برای همه سطوح اطمینان را ایجاد می‌کند. انعطاف‌پذیری توزیع پیشنهادی فرصتی را برای افزایش دقت مدل‌سازی بازده مالی در مدل‌های گارچ ایجاد می‌کند.اصالت/ارزش افزوده علمی: از مدل مذکور در مدل‌سازی و شبیه‌سازی داده‌های واقعی استفاده کرده و چولگی و کشیدگی را در سری بازده مالی و سطح اطمینان برای همه سطوح پیدا کرده‌ ایم.

estimation of value at risk (var) index of mobarakeh steel company using two-sided lomax garch model

purpose: we have introduced the two-sided lomax-garch (tslx-garch) model. we have used this model to create a more realistic value-at-risk value index than other distributions for all confidence levels. we find this index for applied data.methodology: in this study, a new flexible distribution for garch models in predicting the value at risk is presented. accurate modeling of financial returns requires proper innovation distribution.findings: experimental results show that the gjr-garch model, with its innovative tslx distribution, generates realistic value index predictions, realistic normal distribution, t-student and generalized error distributions for all levels of confidence. the proposed distribution flexibility opens up an opportunity to increase the accuracy of financial return modeling in garch models.originality/value: we have used the tslx-garch in data modeling and simulation and find both skewness and excess elongation in the financial return series and confidence levels for all levels.