سید رسول سجاد

با توجه به کاربرد توزیع بازدهی در محاسبه معیارهای ریسک و وابستگی دقت تخمین این معیارها به صحت توزیع بازده، برآورد صحیح آن همواره در کانون توجه پژوهشگران بوده است. با وجودی که استفاده از مدل پارامتری نوسانات تصادفی به منظور تخمین نوسانات بازده در مطالعات پیشین متداول است، فرض مذکور اغلب به نتایجی با دقت کافی منجر نمی شود، بنابراین در این تحقیق برخلاف فرض معمول پارامتری بودن توزیع جملات اخلال در مدل نوسانات تصادفی، با بهره گیری از رویکرد نیمه پارامتری بیزی، به تخمین جملات اخلال پرداخته شده است. در پژوهش حاضر توزیع لگاریتم مربع بازده شاخص گروه بانکی با به کارگیری آمیخته ای از توزیع های خانواده نرمال و با استفاده از زنجیره مارکف مونت کارلو مدل سازی شد و در نهایت نتایج آن با مدل نوسانات تصادفی نرمال، مقایسه گردید. نتایج این بررسی نشان می دهد، در مواقعی که توزیع بازده دارای چولگی باشد، مدل نیمه پارامتری نوسانات را دقیق تر تخمین می زند، ضمن آن که در شرایطی که توزیع بازده به توزیع نرمال نزدیک باشد، نتایج مدل حاضر، مشابه نتایج مدل نیمه پارامتری با فرض توزیع نرمال خواهد بود.

ارزش در معرض خطر از جمله محبوب ترین سنجه های ریسک است که با توجه به وابستگی مقدار آن به نوسانات بازدهی و عدم قطعیت مدل های پیش بینی نوسانات و خطای موجود در تخمین پارامترهای آن، ممکن است که تخمین این معیار از ریسک، همواره در معرض خطا قرار داشته باشد. این در حالی است که گستردگی استفاده از این معیار، موجب شده صحت برآورد و تخمین آن همواره یکی از دغدغه های اصلی سرمایه گذاران باشد. از این رو با توجه به اهمیت این موضوع، مطالعه حاضر به مقایسه دقت مدل های مارکف سوئیچینگ گارچ و گارچ در محاسبه ارزش در معرض خطر شاخص کل بورس اوراق بهادار تهران، با ساختن فاصله اطمینان بوت استرپی برای ارزش در معرض خطر، می پردازد و تأثیر امکان چرخش یا انتقال بین دو رژیم کم نوسان و پرنوسان را بر دقت تخمین ارزش در معرض خطر مورد آزمون قرار می دهد. نتایج نشان می دهد مدل مارکف سوئیچینگ گارچ به تخمین ارزش در معرض خطر محتاطانه تری نسبت به مدل گارچ در بورس تهران منجر می شود و برای سرمایه گذاران ریسک گریز مناسب تر است.