حسینی ایمنی و نجفی (۱۳۹۲)

با بهره گرفتن از رویکرد VAR-Multivariate GARCH و در نظرگیری ریسک نقدشوندگی به تعیین سبد بهینه سرمایه گذاری در صنایع مختلف بورس اوراق بهادار تهران پرداختند.

فلاح شمس و پناهی (۱۳۹۳)

از بین ۵ مدلی که از خانواده GARCHبه منظور مدل سازی ریسک نقدشوندگی بورس اوراق بهادار تهران استفاده شد مدل ARCH-M بهترین مدل برای مدل سازی ریسک نقدشوندگی می باشد.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

پیوست (ج): خلاصه نتایج یافته‌های سایر محققین در خصوص استفاده از مدل ارزش در معرض ریسک (VaR)

نویسنده (سال انتشار)

نتایج

کریستیانسن (۱۹۹۹)

از مدل GARCH به منظور تخمین میزان VaR برای تعدادی از پرتفوی‌های متشکل از اوراق قرضه با نرخ بهره صفر استفاده کرد.

بلتراتی و مورانا (۱۹۹۹)

ارزش درمعرض ریسک با داده‌های روزانه و داده‌های فرکانس بالا را برای نرخ ارز دلار- مارک مقایسه کردند. نتایج مطالعه حاکی از برتری مدل FIGARCH در تخمین VaR یک روزه بود.

کریستوفرسن و همکاران (۲۰۰۱)

به مقایسه برخی از مدل‌های تخمین‌زن VaR برای بازار سهام S&P500 امریکا پرداختند. نتایج این مطالعات نشان داد که مدل‌های GARCH و ریسک‌متریک، واریانس‌های کوتاه‌مدت مشابه‌ای را فراهم می‌نمایند اما برای بازه‌های طولانی‌تر نتایج آنها اختلاف معنی‌داری دارد.

موسی و بولن (۲۰۰۲)

مفهوم “نوسانات واقعی شده^[۲۳۷]” را برای برای آزمون آماری برای تشخیص انحراف حاصل از تخمین‌های VaR روزانه استفاده نمودند.

روکافلر و یوریاسو (۲۰۰۲)

CVaR برش‌های کوتاه بهینه‌یابی^[۲۳۸] فراهم می‌کند که از طریق تکنیک‌های برنامه‌نویسی خطی می‌تواند از محاسبات عملی در مقیاس‌های بزرگ (که گاهی خارج از محاسبه است) بکاهد.

برنز (۲۰۰۲)

تخمین زن‌های GARCH در مقایسه با سایر مدل‌ها به دلیل دقت و سازگاری سطح احتمال، عملکرد بهتری در تخمین VaR دارند.

گرائو (۲۰۰۲)

مدل‌های با توزیع تی-استیودنت برای تخمین VaR در داخل نمونه، نتایج بهتری را در مقایسه با توزیع نرمال می‌دهند، در حالی که توزیع نرمال در خارج از نمونه مورد بررسی، عملکرد بسیار بهتری برای پیش بینی از خود نشان می‌دهد.

پولاسک و پوجارلیو (۲۰۰۲)

VaR را برای بازده‌های NASDAQ 100 محاسبه کردند و نشان دادند که انتخاب مدل نوسانی می تواند دقت تخمین VaR را به میزان قابل توجهی افزایش دهد.

گیوت و لارانت(۲۰۰۳)

در بسیاری از موارد هرچند که توزیع تی-استیودنت عملکرد بهتری را در مدل‌سازی تلاطم دارد، ولی مقدار بحرانی توزیع تی-استیودنت مقادیر خیلی بزرگی هستند که منجر به اعلام VaR بزرگ تری می‌شوند و در نتیجه معمولاً عملکرد مدل‌ها به دلیل محافظه کاری فوق‌العاده زیر سؤال می‌رود.

سمپر و کلمنت (۲۰۰۳)

متودولوژی فاکتور ARCH را جهت برآورد VaR پیشنهاد دادند. این الگو مدل‌های ARCH را با تکنیک‌های آنالیز عامل^[۲۳۹] با بهره گرفتن از ویژگی همبستگی صفر^[۲۴۰] ترکیب می کند تا فاکتورهای چندمتغیره تخمین‌زده شده‌ای را بدست آورند.

کابدو و مویا(۲۰۰۳)