این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات مالی، جلد ۱۹، شماره ۱، صفحات ۸۱-۹۶
عنوان فارسی ارزش در معرض خطر، الگوریتم زنجیرۀ مارکف مونت‎کارلو، بازده دارایی، فرایند دیریکله، مدل نوسانات تصادفی
چکیده فارسی مقاله با توجه به کاربرد توزیع بازدهی در محاسبۀ معیارهای ریسک و وابستگی دقت تخمین این معیارها به صحت توزیع بازده، برآورد صحیح آن همواره در کانون توجه پژوهشگران بوده است. با وجودی که استفاده از مدل پارامتری نوسانات تصادفی به­منظور تخمین نوسانات بازده در مطالعات پیشین متداول است، فرض مذکور اغلب به نتایجی با دقت کافی منجر نمی‎شود، بنابراین در این تحقیق برخلاف فرض معمول پارامتری بودن توزیع جملات اخلال در مدل نوسانات تصادفی، با بهره‌گیری از رویکرد نیمه‌پارامتری بیزی، به تخمین جملات اخلال پرداخته شده است. در پژوهش حاضر توزیع لگاریتم مربع بازده شاخص گروه بانکی با به‌کارگیری آمیخته‌ای از توزیع‌های خانوادۀ نرمال و با استفاده از زنجیرۀ مارکف مونت‎کارلو مدل‎سازی شد و در نهایت نتایج آن با مدل نوسانات تصادفی نرمال، مقایسه گردید. نتایج این بررسی نشان می‎دهد، در مواقعی که توزیع بازده دارای چولگی باشد، مدل نیمه‌پارامتری نوسانات را دقیق‌تر تخمین‌ می‌زند، ضمن آن که در شرایطی که توزیع بازده به توزیع نرمال نزدیک باشد، نتایج مدل حاضر، مشابه نتایج مدل نیمه­پارامتری با فرض توزیع نرمال خواهد بود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Risk Evaluation of Banking Index with Volatility Estimation through Stochastic Volatility Model: A Semiparametric Bayesian Approach
چکیده انگلیسی مقاله Estimation of the return distribution has a crucial role in Risk measurement and since the precision of risk measures depends on the precision of the return distribution, truly estimation of return distribution has attracted a huge attention. Although using Stochastic Volatility models with parametric assumptions for estimation and illustration of the volatilities has been common in research, these assumptions usually result in careless estimations. So in the following research a semiparametric approach has been used for estimation of the volatility by using a normal mixture dirichlet process. In this paper the distribution of the logarithm of the squared returns of banking index of Tehran Stock Exchange has been estimated by using mixtures of normal family and employing an MCMC algorithm. Finally, the results has been compared to the Basic stochastic volatility model. The results show that when the return distribution is skewed, estimates of volatility using the model can differ dramatically from those using a Normal return distribution. Furthermore, when return distribution is similar to a normal distribution, the results of this model are similar to the results of the parametric model.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سید رسول سجاد | seyed rasoul
استادیار مهندسی مالی، دانشکدۀ فنی و مهندسی دانشگاه علم و فرهنگ، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علم و فرهنگ (University of science and culture)

سیده زهرا ابطحی | seyedeh zahra
کارشناس ارشد مهندسی مالی، دانشکدۀ فنی و مهندسی، دانشگاه علم و فرهنگ، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علم و فرهنگ (University of science and culture)

نشانی اینترنتی https://jfr.ut.ac.ir/article_64229_19bfd53d0374ab2500ec19856b7dfc61.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/705/article-705-538601.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات