پوشش بهینه ریسک چندکی مبتنی بر تغییر رژیم مارکوف در قرارداد آتی سکه

هدف: یکی از مهم‌ترین نقش‌های بازار آتی‌ها، فراهم‌کردن ابزاری برای پوشش ریسک است. استراتژی بهینه برای پوشش ریسک از طریق تخمین نسبت پوشش ریسک، مشخص می‌شود. محاسبه نسبت پوشش ریسک و همچنین میزان اثربخشی پوشش به‌تصریح درست رابطه بین قیمت آتی‌ها و قیمت نقطه‌ای بستگی دارد. ازاین‌رو، هدف پژوهش حاضر، برآورد نسبت بهینه پوشش ریسک در چندک‌‌های مختلف در دو حالت کم نوسان و پر نوسان با استفاده از مدل رگرسیون چندکی مبتنی بر تغییر رژیم مارکوف می‌باشد..روش‌شناسی پژوهش: شیب حاصل از رگرسیون چندکی باوجود تغییر رژیم مارکوف، به‌عنوان نسبت بهینه پوشش ریسک انتخاب ‌می‌شود که البته به چندک انتخابی وابسته است و دو حالت برای مدل رگرسیون چندکی اتخاذ ‌می‌شود که متناسب با نوسان کم‌وزیاد در نظر گرفته‌شده است.یافته‌ها: نتایج پژوهش بر روی 5 قرارداد آتی سکه در بازه 1393 تا 1397‌‌ نشان‌‌ می‌دهد که در سه بازار معمولی (ترکیبی)، کم نوسان و پرنوسان، پوشش ریسک توانسته است ریسک را به میزان حداقل 20 درصد کاهش دهد. در بازار پر نوسان نسبت بهینه پوشش ریسک در تمام چندک‌ها حداقل به میزان 23 درصد کاهش نوسان (با معیار میانگین مربعات خطا)‌ داشته است و‌‌ چندک 0/95 بهترین عملکرد را از لحاظ بیشترین کاهش نوسان و کمترین نسبت پوشش ریسک دارد. در بازار کم نوسان نسبت بهینه پوشش ریسک در تمام چندک‌ها حداقل به میزان 58 درصد کاهش نوسان داشته است و‌‌ چندک 0/05 بهترین عملکرد را از لحاظ بیشترین کاهش نوسان و کمترین نسبت پوشش ریسک دارد. در بازار ترکیبی نیز‌‌ نسبت بهینه پوشش ریسک به میزان 21 درصد کاهش نوسان داشته است.اصالت / ارزش‌افزوده علمی: نتایج این پژوهش علاوه بر توسعه ادبیات مربوط پوشش ریسک به تمام ذی‌نفعان و استفاده‌کنندگان کمک می‌کند تا میزان توجه به موضوع پوشش ریسک را مورد ارزیابی قرار دهند.

optimal hedging of quantitative risk based on markov regime change in coin futures contract

introductionthe stock market is one of the ways of financing for companies and one of the methods of earning money for investors. the risk caused by price fluctuations and how to deal with it is one of the concerns of activists and economic and financial theorists. in addition to disrupting the possibility of accurate business planning، unpredictable price fluctuations also include adverse welfare effects. the risk hedging strategy includes a secondary investment whose price moves mainly in the opposite direction of the primary investment (hongxing et al.، 2023). this inverse price movement of two assets makes the investor expect less risk، while the expected profit is also reduced to achieve this goal (naeimzadeh et al.، 2023). the risk coverage ratio is a concept related to the hedged portfolio that defines the ratio between two assets.so far، there have been many quantifications of the concept of risk، among which criteria such as standard deviation or half standard deviation can be mentioned. the last two measures will be successful when the return distribution closely follows a normal distribution. meanwhile، the results of many researches have shown that there is a significant difference between the return distribution of financial assets from the normal distribution in kurtosis and skewness. therefore، the need to use other metrics and other possible distributions in modeling is justified. value at risk and value at conditional risk are among them (samavi et al.، 2022). in these estimates، probability distributions have a special place. therefore، in the current research، the role of probability distributions in calculating these two risk measures and the optimal risk coverage ratio for thecash gold coin and future coin portfolio is investigated based on the quantile regression model based on the markov regime change.literature reviewthe risk hedging is a type of investment that reduces the risk of profit and loss of the investment portfolio. in professional terms، the risk hedging strategy includes a secondary investment whose price moves mainly in the opposite direction of the primary investment (wang et al.، 2019). investors can still reduce their investment risk by entering two markets، where price fluctuations in the target markets often move in opposite directions.the optimal ratio of risk coverage is the number of accrual positions in the futures market that is required to cover the risk of a certain number of buy or sell positions in the cash market. there are two classical methods in calculating the optimal ratio of risk coverage. one is the slope resulting from the regression of the cash return on the future return of the base asset، and the other is calculated through the covariance matrix of the residuals of the vector regression model. normal or least square regression will not be valid enough to estimate the relationship between the independent variable and the response variable in the presence of outlier data or if the assumption of normality of the data is not met (rakpho et al.، 2018). on the other hand، least squares regression only examines the relationship between the auxiliary variables and the response mean، while in many cases the goal is to find the relationship between the auxiliary variables and other parts of the distribution، especially the end quantiles of the distribution.