کاربرد روش شبکه عصبی مصنوعی و مدل‌های واریانس ناهمسانی شرطی در محاسبه ارزش در معرض خطر

ریسک بازار از عدم اطمینان در خصوص بازدهی آتی دارائی‌ها در بازار نشات می‌گیرد. امروزه معیارهای مختلفی برای بررسی انواع ریسک مرتبط با بازار، سبدهای مختلف دارائی، صنایع و ... به کار می‌روند. اما هر چند این معیارهای مختلف، اطلاعات ارزشمندی را برای فعالان بازار به همراه می‌آورند، لیکن هر یک به تنهایی نمی‌توانند اطلاعات جامع و کاملی را در خصوص ریسک بازار و یا سبد سهام به دست دهند. به همین منظور، «ارزش در معرض خطر» که به اختصار var نامیده می‌شود، تلاشی است برای اینکه عدد معینی در خصوص ریسک بازار و یا سبد سهام به تحلیل‌گران و فعالان بازار ارائه کند. در این تحقیق از کلیه مدل‌های مبتنی بر واریانس ناهمسانی شرطی شامل garch، egarch، cgarch، tarch و garchm و روش شبکه عصبی مصنوعی برای پیش‌بینی ارزش درمعرض خطر پرتفویی متشکل از 50 شرکت با نقدشوندگی بالا استفاده شده است. سپس نتایج به دست آمده با استفاده از آزمون‌های پوشش غیرشرطی کوپیک مورد بررسی قرار گرفت. در نهایت مدل شبکه عصبی در مقایسه با سایر روش‌های مبتنی بر واریانس ناهمسانی شرطی، عملکرد بهتری را بر اساس آزمون کوپیک داشته است.