دانشگاه الزهرا

  اخبار و اعلانات

 آمار

تعداد نشریات25
تعداد شماره‌ها962
تعداد مقالات7,969
تعداد مشاهده مقاله13,470,680
تعداد دریافت فایل اصل مقاله9,570,347
فلاح پور, سعید, طبسی, ملیحه. (1392). برآورد ارزش در معرض ریسک با استفاده از مدل ترکیبی ماشین بردار پشتیبان و گارچ. جلوه هنر, 1(1), 125-152. doi: 10.22051/jfm.2014.958
سعید فلاح پور; ملیحه طبسی. "برآورد ارزش در معرض ریسک با استفاده از مدل ترکیبی ماشین بردار پشتیبان و گارچ". جلوه هنر, 1, 1, 1392, 125-152. doi: 10.22051/jfm.2014.958
فلاح پور, سعید, طبسی, ملیحه. (1392). 'برآورد ارزش در معرض ریسک با استفاده از مدل ترکیبی ماشین بردار پشتیبان و گارچ', جلوه هنر, 1(1), pp. 125-152. doi: 10.22051/jfm.2014.958
فلاح پور, سعید, طبسی, ملیحه. برآورد ارزش در معرض ریسک با استفاده از مدل ترکیبی ماشین بردار پشتیبان و گارچ. جلوه هنر, 1392; 1(1): 125-152. doi: 10.22051/jfm.2014.958

برآورد ارزش در معرض ریسک با استفاده از مدل ترکیبی ماشین بردار پشتیبان و گارچ

راهبرد مدیریت مالی
مقاله 1، دوره 1، شماره 1، تیر 1392، صفحه 125-152    اصل مقاله (695.23 K)
شناسه دیجیتال (DOI): 10.22051/jfm.2014.958
نویسندگان
سعید فلاح پور* ؛ ملیحه طبسی
دانشگاه تهران
چکیده
یکی از حوزه‎های اصلی مدیریت مالی، مدیریت ریسک می‏باشد. منظور از مدیریت ریسک، شناسایی، اندازه‎گیری و نظارت بر ریسک است. بنابراین اندازه‎گیری ریسک از جایگاه ویژه‎ای در مدیریت ریسک برخوردار است. از جمله روش‌های شناخته شده و پرکاربرد اندازه‎گیری ریسک، محاسبه ارزش در معرض ریسک می‎باشد که موضوع اصلی این پژوهش است.
در این پژوهش با استفاده از مدل ترکیبی ماشین بردار پشتیبان و‎گارچ به پیش‎بینی نوسانات شاخص‎کل و شاخص پنجاه شرکت فعال پرداخته شده و سپس با روش واریانس-کواریانس ارزش در معرض ریسک برآورد شده است و عملکرد آن با استفاده از پس‎آزمون لوپز و پس‎آزمون مبتنی بر ریزش مورد انتظار، با برخی از مدل‌های سنتی چون ریسک متریک، گارچ و ای‏گارچ مورد مقایسه قرار گرفت. نتایج حاصل از این پژوهش نشان داد که مدل ترکیبی نسبت به سایر مدل‌های مورد استفاده در این پژوهش، از عملکرد بهتری برخوردار است.
کلیدواژه‌ها
وسان‏پذیری؛ ارزش در معرض ریسک‏؛ ماشین بردار پشتیبان
عنوان مقاله [English]
Evaluating Value at Risk Using a Hybrid Model of Support Vector Machine Based and the GARCH
نویسندگان [English]
Saeed Fallahpoor؛ malihe tabasi
tehran university
چکیده [English]
One of the main subjects of financial management is risk management. Risk management involves recognizing, measuring and monitoring risk. So measuring risk is very important part of the risk management. One of the most recognized and applied way of measuring risk, is evaluating value at risk that is the main subject of this research.
In this research, we forecast volatility of TEPIX index and TSE-50 index, using the hybrid model of support vector machine based and the GARCH, then we calculate Value at Risk by Variance-Covariance approach and finally we compare its result with the traditional models including: Risk Metrics, GARCH and EGARCH by LOPEZ’s back testing and back testing based of expected shortfall.
The result of this research has shown that the hybrid model significantly outperform the competing models.
کلیدواژه‌ها [English]
Volatility, Value at Risk, Support Vector Machine
مراجع

 

رادپور و عبده تبریزی، م. ح. (پاییز1388). اندازه گیری و مدیریت ریسک بازار (نسخه چاپ اول). تهران، ایران: انتشارات آگاه و انتشارات پیشبرد.

راعی و سعیدی، ر.س. (1383). مبانی مهندسی مالی و مدیریت ریسک. تهران : دانشکده مدیریت دانشگاه تهران و سازمان مطالعه و تدوین کتب علوم انسانی دانشگاهها (سمت).

  • Chaker Aloui & Mabrouk, S. (2010). Value-at-risk estimations of energy commodities via long-memory,asymmetry and fat-tailed GARCH models. Energy Policy , 2326–2339.
  • Chen & Hardel & Jeong, S. W. (2010). Forecasting Volatility with Support Vector Machine-Based GARCH Model. Journal of Forecasting , 406–433.
  • Cifter, A. (2011). Value-at-risk estimation with wavelet-based extreme value theory: Evidence from emerging markets. Physica A , 2356–2367.
  • Christiansen, C. (1999). Value at Risk Using the Factor-ARCH Model , The Journal of Risk.322-331
  • Hull, J. (2009). Options,Futures,and other Derivatives (seventh ed.). New Jersey: Pearson Education Inc.
  • Jorion, p. (2001). Value at risk : The new benchmark for managing financial risk (2nd ed.). New York: McGraw-Hill.
  • Kuo-Jung Lee & Liang & Lin & Huang, H. (2009). Estimating value at risk of portfolio by conditional copula-GARCH method. Insurance: Mathematics and Economics , 315-324.
  • Manganelli and Engle, R. F. (2004). CAViaR: Conditional Autoregressive Value at Risk by Regression Quantiles. Journal of Business & Economic Statistics , 367-381
  • Roh, T. H. (2007). Forecasting the volatility of stock price index. Expert Systems with Applications 33 , 916–922.
  • Vlaar, P. J. (2000). Value at risk models for Dutch bond portfolios. Journal of Banking & Finance , 1131-1154.
  • zan Huanga et al, H. C.-J.-H. (2004). Credit rating analysis with support vector machines and neural networks: a market comparative study. Decision Support Systems , 543– 558.
آمار
تعداد مشاهده مقاله: 2,279
تعداد دریافت فایل اصل مقاله: 1,258


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب