بررسی نقش توزیع های احتمالی بر عملکرد ارزش در معرض ریسک و ریزش مورد انتظار
آرشیو
چکیده
هدف این پژوهش، بررسی تجربی نقش توزیع های احتمالی بر عملکرد ارزش در معرض ریسک و ربزش مورد انتظار در بورس اوراق بهادار تهران می باشد. توزیع های احتمالی در مدیریت سبد سهام، پوشش ریسک، قیمت گذاری دارایی ها و استراتژی های معاملاتی دارای اهمیت فراوانی هستند. دقت مناسب در برآورد آنها، نتایج مدل سازی ها را دقیق تر و قابل اعتمادتر می کند. در پژوهش حاضر برای برآورد دو سنجه ریسک، شامل ارزش در معرض ریسک و ریزش مورد انتظار (ارزش در معرض ریسک شرطی)، از شش توزیع شامل توزیع های نرمال، تی مکان- مقیاس، لوگ نرمال، وارون نرمال، توزیع کلی نقاط حدی و توزیع کلی پارتو استفاده شد. برای برازش توزیع به داده های تجربی نیز از رویکرد آماری حداکثر درستنمایی استفاده شد. نتایج تحقیق بر روی شاخص کل در بازه 1390 تا 1398 نشان می دهد که مناسب ترین توزیع در برآورد ارزش در معرض ریسک و ریزش مورد انتظار در افق زمانی یک روزه، توزیع تی مکان- مقیاس می باشد و مناسب ترین توزیع در برآورد ارزش در معرض ریسک و ارزش در معرض ریسک شرطی در افق های زمانی هفتگی و ماهیانه توزیع کلی نقاط حدی می باشد. از این رو انتخاب این توزیع ها می تواند دقت برآورد ریسک را افزایش دهد.Investigating the Role of Probability Distributions on the Performance of Value at Risk and Expected Drawdown
The aim of this study is to empirically investigate the role of probability distributions on the performance of value at risk and expected return on the Tehran Stock Exchange. Probability distributions are of great importance in portfolio management, hedging, asset pricing, and trading strategies. Appropriate accuracy in their estimation makes the modeling results more accurate and reliable. In the present study, six distributions were used to estimate two risk measures, including value at risk and expected return (conditional value at risk), including normal distributions, t-space-scale, log normal, inverse normal, general distribution of extreme points, and general Pareto distribution. The maximum likelihood statistical approach was also used to fit the distribution to the empirical data. The results of the research on the total index in the period 2011 to 2019 show that the most appropriate distribution for estimating value at risk and expected drawdown in a one-day time horizon is the location-scale t-distribution, and the most appropriate distribution for estimating value at risk and conditional value at risk in weekly and monthly time horizons is the general distribution of extreme points. Therefore, choosing these distributions can increase the accuracy of risk estimation.
تبلیغات
