دانلود ترجمه مقاله آنالیز ارزش در خطر در بازار سهام MENA – الزویر ۲۰۱۴

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۴
تعداد صفحات مقاله انگلیسی	۳۹ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مدیریت، حسابداری و علوم اقتصادی
گرایش های مرتبط با این مقاله	اقتصاد مالی، حسابداری مالی و مدیریت مالی
مجله	مجله مدیریت مالی چند ملیتی – Journal of Multinational Financial Management
دانشگاه	دانشکده بازرگانی و مدیریت دانشگاه بلمند، لبنان
کلمات کلیدی	مدل ARCH پاور غیر متقارن، بازار های سهام MENA، مدل های ارزش در معرض خطر
رفرنس	دارد ✓
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده

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

• بخشی از ترجمه:

نتیجه گیری و پیامد ها

روش های مورد استفاده برای اندازه گیری ارزش در معرض خطر با دو مسئله همراه هستند. اولا بیشتر ارزش های در معرض خطر از تقریب نرمال استفاده کرده و خطر چندک بالا را به دلیل پدیده با دنباله پهن کم تر از مقدار واقعی براورد می کند. و دوما، روش های ارزش در معرض همگی از داده های سری های زمانی برای براورد استفاده می کنند. با این حال، چون بیشتر مشاهدات، مرکزی هستند، توزیع براورد شده با مشاهدات مرکزی برازش دارد. این مشاهدات فرین از اهمیت ویژه ای برای سرمایه گذاران و مدیران خطر برخوردار است. در این مقاله، ما از مدل ARCH پاور برای مدل سازی بازار های سهام در منطقه MENA و باقی مانده های فیلتر شده از این مدل ها برای اندازه گیری ارزش در معرض خطر در هر بازار استفاده کردیم. مدل ARCHغیر متقارن با توزیع تی امکان تمرکز بر رفتار مشاهدات نوسانی را در این بازار ها داده و دنباله پهن را در آن ها توضیح می دهند. با مقایسه این مدل ها مشاهده شد که شاخص های ارزش در معرض خطر بر اساس توزیع نرمال، در مدل سازی بازده منفی و مثبت بزرگ مشکل دارند. با این حال استفاده از توزیع دنباله پهن با ARCH غیر متقارن موجب بهبود عملکرد مدل های نرمال می شود. به طور کلی، براورد های ارزش در معرض خطر بر اساس مدل های پیشنهادی، برای همه بازار ها مهم می باشند و بنابر این، ارزیابی خطر مناسب نبایستی رفتار دنباله را در این بازار ها نادیده بگیرد زیرا منجر به ارزیابی نامناسب ریسک بازاری می شود. نتایج ما برای سرمایه گذاران، بانک داران و مدیران سرمایه مفید است که موفقیت آن ها بستگی به توانایی پیش بینی نوسان قیمت سهام در این بازار ها دارد.

• بخشی از مقاله انگلیسی:

Conclusion and Implications

Methods that are used to measure VaR present to us two problems. First, most VaR use the normal approximation, which underestimates the risk of the high quantiles because of the fail tail phenomenon. And second, VaR methods use all the data of the time series for the estimation. However, because most of the observations are central, the estimated distribution tends to fit central observations, while falling short on fitting extreme observations because of their scarcity. These extreme observations are found to be of greater interest for investors and risk managers. In this paper, we employ the Power ARCH model to model equity markets in the MENA region and then use the filtered residuals from these models to measure the Value-at-Risk (VaR) in each market. The Asymmetric Power ARCH model with the tdistribution makes it possible to concentrate on the behavior of volatility observations in these markets and account for the fat tails in them. Comparing these models, we find that the VaR measures based on the normal distribution have a difficulty in modeling large positive and negative returns. However, the incorporation of the fait-tailed distribution with the Asymmetric Power ARCH improves on the performance of normal based models. Overall, the VaR estimates based on our proposed models are found to be important for all markets, and therefore a proper risk assessment should not neglect the tail behavior in these markets, since that may lead to an improper evaluation of market risk. 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.