پیش بینی ریسک بازار چند سری زمانی تحت حافظه بلندمدت هنگامی که ارزش در معرض خطر (VAR) بالاتر از حد انتظاراست

Received 25 July 2013
Revised 2 October 2013
Accepted 13 October 2013

Multiple-period market risk
prediction under long memory:
when VaR is higher than expected

Harald Kinateder and Niklas Wagner
Business Administration and Economics,
University of Passau, Passau, Germany

Abstract
Purpose – The paper aims to model multiple-period market risk forecasts under long memory
persistence in market volatility.
Design/methodology/approach – The paper proposes volatility forecasts based on a combination
of the GARCH(1,1)-model with potentially fat-tailed and skewed innovations and a long memory
specification of the slowly declining influence of past volatility shocks. As the square-root-of-time
rule is known to be mis-specified, the GARCH setting of Drost and Nijman is used as benchmark
model. The empirical study of equity market risk is based on daily returns during the period
January 1975 to December 2010. The out-of-sample accuracy of VaR predictions is studied for 5, 10, 20
and 60 trading days.
Findings – The long memory scaling approach remarkably improves VaR forecasts for the longer
horizons. This result is only in part due to higher predicted risk levels. Ex post calibration to equal
unconditional VaR levels illustrates that the approach also enhances efficiency in allocating VaR
capital through time.
Practical implications – The improved VaR forecasts show that one should account for long
memory when calibrating risk models.
Originality/value – The paper models single-period returns rather than choosing the simpler
approach of modeling lower-frequency multiple-period returns for long-run volatility forecasting. The
approach considers long memory in volatility and has two main advantages: it yields a consistent set
of volatility predictions for various horizons and VaR forecasting accuracy is improved.
Keywords GARCH, Hurst exponent, Long memory, Multiple-period value-at-risk,
Square-root-of-time rule, Volatility scaling
Paper type Research paper

عنوان فارسی مقاله

پیش بینی ریسک بازار چند سری زمانی تحت حافظه بلندمدت

هنگامی که  ارزش در معرض خطر VAR)(بالاتر از حد انتظار است

چکیده

هدف - هدف از ارائه این مقاله برای مدل کردن پیش بینی های ریسک بازار چند سری، تحت پایداری  حافظه بلند مدت در نوسانات بازار می باشد.

طراحی - روش شناسی – رویکرد

در این مقاله پیش بینی نوسانات ریسک بازار بر اساس ترکیبی از مدل-(گارچ GARCH 1،1)  با نوآوری های به طور بالقوه دمب چاق(دامنه) و نامتوازن و مشخصات حافظه بلند مدت از نفوذ کم کم رو به کاهش شوک های نوسانات گذشته،پیشنهاد می شود،  و به عنوان قاعده ریشه توان دوم   سری زمانی  که به اشتباه مشخص شده، شناخته شده می باشد.تهیه و تنظیم مدل گارچ توسط Drost و Nijman به عنوان مدل معیار مورد استفاده قرارمی گیرد. در این مطالعه تجربی ، ریسک بازار سهام مبتنی بر بازده داده های  روزانه طی سری زمانی ژانویه 1975 تا دسامبر 2010می باشد. نمونه خارج از دقت و صحت از پیش بینی های VAR برای معاملات 5، 10، 20 و 60 روزه ، مورد مطالعه قرار می گیرد.

تعداد صفحات مقاله انگلیسی=29

تعداد صفحات مقاله فارسی=51

فایل ترجمه شده در فایل وورد  WORDمی باشد

قیمت فایل =20000 تومان

مدل تأثیر توسعه حمل و نقل جاده ای بر رشد ارزش افزوده کشور با استفاده از الگوی خودرگرسیون برداری

• مقاله با عنوان: مدل تأثیر توسعه حمل و نقل جاده ای بر رشد ارزش افزوده کشور با استفاده از الگوی خودرگرسیون برداری 

• نویسندگان: عبدالرضا رضایی ارجرودی ، آمنه تسبیحی ، سیدرضا موسوی 

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94 

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

حمل و نقل از ضرورت ها و اساس مبادلات بازرگانی و کلید توسعه اقتصادی و اجتماعی است. در این میان بخش حمل و نقل جاده‌ای در کشور از اهمیت بیشتری برخوردار است به طوری که از بین شیوه‌های مختلف جابجایی مسافر در کشور، بیش از 90 درصد آن توسط جاده انجام می‌گیرد. بر همین اساس ضرورت اهمیت و توجه به بخش حمل و نقل جاده‌ای کشور آشکار می‌شود، به نحوی که توجه دقیق و جامع به هر یک از عوامل بخش حمل و نقل جاده‌ای در تأمین بازده اجتماعی- اقتصادی جزو الزامات اصلی به ثمر رساندن اهداف رشد و توسعه به شمار می‌رود. در این مقاله نقش توسعه بخش حمل و نقل جاده‌ای بر رشد اقتصادی کشور طی سال های 90-1353 بررسی می‌گردد. برای تخمین مدل از الگوهای خودرگرسیون برداری استفاده شده است. نتایج حاصل از تخمین مدل نشان می‌دهد که در بلندمدت توسعه بخش حمل و نقل جاده‌ای اثر مثبتی بر رشد اقتصادی دارد. همچنین چگونگی تغییرات متغیر ارزش افزوده بخش حمل و نقل جاده‌ای بر رشد اقتصادی با روش تجزیه خطای پیش بینی مورد بررسی قرار گرفته است.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **