پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,757 |
| تعداد مشاهده مقاله | 115,120,996 |
| تعداد دریافت فایل اصل مقاله | 89,889,287 |
تخمین ارزش در معرض ریسک پرتفوی نفت و طلا با بهرهمندی از روش کاپیولا‌ـ گارچ | ||
| تحقیقات مالی | ||
| مقاله 7، دوره 16، شماره 2، مهر 1393، صفحه 309-326 اصل مقاله (806.02 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jfr.2014.50711 | ||
| نویسندگان | ||
| سعید فلاح پور1؛ احسان احمدی* 2 | ||
| 1استادیار گروه مدیریت مالی و بیمه، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران | ||
| 2کارشناسارشد مدیریت مالی، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| توابع کاپیولا ابزار قدرتمندی برای توصیف ساختار وابستگی متغیرهای تصادفی چند‌بعدی ارائه کرده‌اند و از جدیدترین ابزار مدیریت ریسک مالی به حساب میآیند. یکی از کاربردهای توابع کاپیولا در مدیریت ریسک، محاسبۀ ارزش در معرض ریسک (VaR) پرتفوی است که از پرکاربردترین معیارهای ریسک در نهادهای مالی بهشمار میرود. هدف اصلی پژوهش حاضر محاسبۀ دقیقتر ریسک است. پژوهش پیش رو با ترکیب توابع کاپیولا و مدلهای (GARCH)، از رویکردی با عنوان «کاپیولا‌ـ گارچ» برای محاسبۀ VaR پرتفوی متشکل از نفت خام و طلا و دادههای سالهای 2007 تا 2012، بهره برده است. در ادامه، نتایج به‌دست‌آمده از روش یادشده با نتایج روشهای سنتی VaR مقایسه شدند. یافتههای تجربی نشان میدهد روش کاپیولا‌ـ گارچ در مقایسه با روشهای سنتی، ریسک پرتفوی را با دقت بیشتری محاسبه میکند. | ||
| کلیدواژه‌ها | ||
| ارزش در معرض ریسک؛ پرتفوی؛ کاپیولا؛ GARCH؛ GJR | ||
| عنوان مقاله [English] | ||
| Estimating Value at Risk of Portfolio of Oil and Gold by Copula-GARCH Method | ||
| نویسندگان [English] | ||
| Saeed Fallahpour1؛ Ehsan Ahmadi2 | ||
| 1Assistant Prof., Faculty of Management, University of Tehran, Iran | ||
| 2MSc in Financial Management, Faculty of Management, University of Tehran, Iran | ||
| چکیده [English] | ||
| Copula functions are powerful tools that describe dependence structure of multi- dimension random variables and are considered as one of the newest tools for risk management. One application of copula functions in risk management is calculating Value at Risk that can assert is the most widely used risk measures in financial institutions. In this article which primary goal is estimating more accurate risk of portfolio, by combining copula functions and GARCH models we used a method called copula-GARCH model for calculating VaR of a portfolio composed of crude oil and gold with data from 2007 to 2012. We will then compare the results with the results of traditional VaR calculation methods. Empirical results indicate that copula-GARCH method measures portfolio risk more accurately in comparison with traditional methods | ||
| کلیدواژه‌ها [English] | ||
| GJR, GARCH, Copula | ||
| مراجع | ||
|
Clayton, D. (1978). A model for association in bivariate life tables and its application to a uranium exploration data set. Technometrics, 28 (2): 123-131.
Deng, L. Ma, C. & Yang, W. (2011). Portfolio Optimization via Pair Copula-GARCH-EVT-CVaR Model. Systems Engineering Procedia, 2 (1): 171-181.
Embrechts, P. McNeil, A. & Straumann, D. (2002). Risk Management Value at Risk and Beyond. Cambridge University Press.
Engle, R. (1982). Auto-regressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50 (4): 987-1007.
Frank, M. (1987). Best-poss bounds for the distribution of a sum – a problem of Kolmogorov. Probability Theory and Related Fields, 74 (1): 199-211.
Genest, C. (1987). Frank's family of bivariate distribution. Biometrika, 74 (3): 549-555.
Goorbergh, R. Genest, W. & Werker, B. (2005). Bivariate option pricing using dynamic copula models. Insurance, Mathematics and Economics, 37 (1): 101-114.
Gumbel, E. (1960). Bivariate exponential distributions. Journal of American Statistical Association, 55 (292): 698-707.
Hamerle, A. & Rosch, D. (2005). Misspecified Copulas in Credit Risk Models: How Good is Gaussian?. Journal of Risk, 8 (1): 35-47.
Hotta, L. Lucas, E. & Palaro H. (2008). Estimation of VaR using copula and extreme value theory. Multinational Finance Journal, 12 (3/4): 205-221.
Huang, J. Lee, H. Liang, H. & Fu, W. (2009). Estimating value at risk of portfolio by conditional copula-GARCH method. Insurance: Mathematics and Economics, 45 (3): 315-324.
Kupiec, P. (1998). Stress testing in a value at risk framework. The Journal of Derivatives, 6 (1): 7–24.
Ling, C. (1965). Represention of associative functions. Publicationes Mathematicae Debrecen, 12 (1): 189-212.
Meneguzzo, D. & Vecchiato, W. (2004). Copula Sensitivity in Collateralized Debt Obligations and Basket Default Swaps. The Journal of Future Markets,24 (1): 37-70.
National Bureau of Economic Research. (1927). The Behaviour of Prices. [Brochure]. New York : Mills, C.
Neslehova, J. Embrechts, P. & Demoulin, C. (2006). Infinite-mean Models and the LDA for Operational Risk. Journal of Operational Risk, 1 (1): 3-25.
Palaro, H. & Hotta, L. (2006). Using conditional copulas to estimate value at risk. Journal of Data Science, 4 (1): 93-115.
Patton, A. (2001). Applications of Copula Theory in Financial Econometrics. (Unpublished Ph.D. dissertation). University of California, San Diego, USA.
Schweizer, B. & Sklar, A. (1961). Associative functions and statistical triangle inequalities. Publicationes Mathematicae Debrecen, 8 (1): 169-186.
Sklar, A. (1959). Fonctions de repartition a n dimensions et leurs marges. Publicationsde l'Institut Statistique de l'Universite de Paris, 8 (1): 229-231. | ||
|
آمار تعداد مشاهده مقاله: 4,100 تعداد دریافت فایل اصل مقاله: 1,602 |
||