پس آزمایی کریستوفرسن

با توجه به ماهیت تعهدی قراردادهای آتی و در نتیجه اهمیت أخذ وجوه تضمین از طرفین قرارداد توسط اتاق پایاپای، محاسبه وجه تضمین مناسب در این قراردادها به گونه ای که همزمان با کاهش ریسک معاملات، هزینه های معاملاتی نیز مدنظر باشد، مورد توجه اتاق های پایاپای است. با توجه به کاربرد گسترده مدل های ارزش در معرض خطر در تعیین وجه تضمین، در این پژوهش با استفاده از داده های تغییرات قیمت های آتی سکه طلا، در بازه زمانی سال 1387 تا 1394 پس از تخمین مقدار وجه تضمین در قراردادهای آتی با استفاده از مدل های ارزش در معرض خطر پارامتریک سنتی، مدل شبیه سازی تاریخی و مدل های پارتوی تعمیم یافته و پارتوی تعمیم یافته سازگار، با آزمون های کوپیک و پوشش شرطی کریستوفرسن اقدام به ارزیابی عملکرد مدل ها شد. همچنین با توابع زیان دوم لوپز و بلانکو- ایهل این مدل ها رتبه بندی شد. نتایج نشان می دهد که با توجه به دنباله های پهن توزیع تجربی داده های آتی، در سطوح اطمینان پایین، مدل شبیه سازی تاریخی و در سطوح اطمینان بالا، مدل پارتوی تعمیم یافته سازگار، عملکرد مناسبی داشته است. لذا در پایان پیشنهاد شده است که از این مدل ها در سطوح اطمینان مربوطه برای محاسبه وجه تضمین قراردادهای آتی استفاده شود.

مدیریت ریسک اتاق پایاپای در معاملات قراردادهای مشتقه عمدتاً با أخذ وجوه تضمین از دارندگان موقعیت های معاملاتی انجام می شود. از طرفی با توجه به هزینه فرصت این وجوه برای دارندگان موقعیت در قراردادهای آتی، محاسبه مقدار وجه تضمین بهینه توسط اتاق پایاپای یکی از مسائل حساس این معاملات است. در این تحقیق با استفاده از داده های تغییرات قیمتی آتی و نقدی سکه طلا، در بازه زمانی سال 1387 تا 1394 پس از تخمین مقدار وجه تضمین با استفاده از مدل گارچ مبتنی بر توزیع اجزا اخلال تی استیودنت و نرمال، گارچ نمایی و گارچ GJR با استفاده از توابع زیان دوم لوپز و بلانکو ایهل، نتایج آن با مدل شبیه سازی تاریخی، مقایسه شد. همچنین با آزمون های کوپیک و پوشش شرطی کریستوفرسن اقدام به پس آزمایی این مدل ها شد. با توجه به اینکه داده های نقدی از ویژگی خودرگرسیونی برخوردار بوده و در نوسانات آن ناهمسانی واریانس مشاهده می شود، مدل های مبتنی بر گارچ مدل های مناسبی برای تخمین وجه تضمین برای این داده ها می باشند. همچنین با توجه به دنباله های پهن توزیع تجربی داده های نقدی، از آن جایی که مدل مبتنی بر شبیه سازی تاریخی هیچ فرضی را در خصوص نوع توزیع داده ها در نظر نمی گیرد، عملکرد مناسبی نسبت به مدل های پارامتریک داشته است.