مقاله تحلیل ارزش در معرض خطر در بازارهای سهام MENA: تقارن های شرطی و دنباله پهن درتوزیعات بازده سهام (2014 الزویر)

مقدمه

مرور منابع

روش های تجربی: مدل های ارزش در معرض خطر

متریک های ریسک(RiskMetric)

داده ها و نتایج تجربی

نتایج براورد

بک تست کردن براورد های ارزش در معرض خطر

نتیجه گیری و پیامد ها

In this paper, we examine the forecasting performance of the Value-at-Risk (VaR) models in the MENA equity markets. We use the Asymmetric Power ARCH model to analyze four MENA emerging markets, namely Egypt, Jordan, Morocco, and Turkey. While most empirical studies focus only on holding a long position of a portfolio, in this paper, we consider a short position in each market. In the process, we find that the returns have significantly fatter tails than the normal distribution and therefore introduce the Asymmetric Power ARCH model to estimate the value-at-risk in each market. Then, we explore the impact of asymmetry in the conditional variance and fat-tailed distributions on measuring Value-at-Risk. We find that the VaR estimates based on the Student APARCH model are more accurate than those generated using Normal APARCH models, and therefore a proper risk assessment should not neglect both the long memory and tail behavior in these markets. Our results should be useful to investors, bankers, and fund managers, whose success depends on the ability to forecast stock price movements in these markets.

در این مقاله، ما به بررسی پیش بینی عملکرد مدل های ارزش در معرض خطر در بازار های سهام MENA می پردازیم. ما از مدل ARCH پاور متقارن برای تحلیل چهار بازار نوظهور MENA یعنی مصر، اردن، مراکش وترکیه استفاده میکنیم. اگرچه بیشتر مطالعات تجربی تنها بر حفظ یک پرتفوی با موقعیت بلند تاکید می کنند، در این مقاله ما تنها بر موقعیت کوتاه در هر بازار تاکید می کنیم. در این فرایند، ما پی بردیم که نرخ بازده سهام دارای دنباله پهن معنی دار تری نسبت به توزیع نرمال بوده و از این روی مدل ARCH پاور متقارن را برای براورد ارزش در معرض خطر در هر بازار معرفی می کنیم. سپس ما به بررسی اثر عدم تقارن در واریانس شرطی و توزیعات دنباله پهن بر روی اندازه گیری ارزش در معرض خطر می پردازیم. نتایج نشان داد که براورد های ارزش در معرض خطر بر اساس مدل استیودنت APARCH صحیح تر و دقیق تر از ارزش های ایجاد شده با استفاده از APARCH نرمال می باشند و بنابر این یک ارزیابی خطر مناسب نبایستی هر دو رفتار دنباله و حافظه بلند مدت را در این بازار ها نادیده بگیرد. نتایج ما برای سرمایه گذاران، بانکداران و مدیران صندوق مفید است که موفقیت آن ها بستگی به توانایی پیش بینی نوسانات قیمت سهام در این بازار ها دارد