پیش‌بینی cvar مبتنی بر معاملات درون روزی در ‎etfهای بورس تهران: رویکرد مدل‎‌های خود رگرسیون ناهمگن

هدف: این پژوهش به بررسی دقت مدل‌های خودرگرسیون ناهمگن در پیش‌بینی ارزش در معرض ریسک شرطی صندوق‌های قابل معامله در بورس تهران می‌پردازد. اهمیت موضوع از نیاز به مدیریت دقیق‌تر ریسک در بازارهای مالی ناشی می‌شود، جایی که نوسانات و پرش‌ها می‌توانند تاثیرات قابل توجهی بر تصمیم‌گیری‌های سرمایه‌گذاری داشته باشند.روش‌شناسی پژوهش: داده‌های 9 صندوق سهامی، شاخصی و درآمد ثابت طی سال‌های 1399 تا 1401 با رویکرد درون‌روزی و فراوانی بالا (روزانه و پانزده‌دقیقه‌ای) تحلیل شدند. سه خانواده اصلی مدل‌های har با در نظر گرفتن متغیرهای مرتبط، ارزیابی شدند.یافته‌ها: نتایج نشان دادند که مدل‌های مبتنی بر تغییرات توان دوم در پیش‌بینی نوسانات تحقق‌یافته برتری داشتند. همچنین، پیش‌بینی cvar در صندوق‌های شاخصی نسبت به صندوق‌های سهامی و درآمد ثابت دقیق‌تر بود و مدل خودرگرسیون ناهمگن مرتبه چهارم عملکرد بهتری نسبت به سایر مدل‌ها نشان داد.اصالت/ارزش افزوده علمی: این پژوهش، کاربرد مدل‌های har را در پیش‌بینی ریسک etfs بررسی کرده و به‌عنوان یک مطالعه نوآورانه در بازار سرمایه ایران، چارچوبی مفید برای مدیریت ریسک و تصمیم‌گیری‌های سرمایه‌گذاری ارایه داده است.

forecasting of cvar based on intraday trading in tehran etfs: the approach of heterogeneous autoregression models

purpose: this study examines the accuracy of heterogeneous autoregressive (har) models in forecasting the conditional value-at-risk (cvar) of exchange-traded funds (etfs) on the tehran stock exchange. the significance of this study stems from the need for better risk management in financial markets, where volatility and jumps significantly affect investment decisions.methodology: data from nine equity, index, and fixed-income funds were analyzed intraday with high frequency (daily and fifteen-minute intervals) from 2019 to 2022. three main families of har models were evaluated by considering the relevant variables.findings: the results revealed that models based on second-order variations outperformed others in forecasting realized volatility (rv). additionally, cvar prediction was more accurate for index funds than for equity and fixed-income funds, with the harq model demonstrating superior performance.originality/value: this study investigates the application of har models in predicting etf risks and provides a novel framework for risk management and investment decision making, particularly in the iranian financial market.