بازگشت به جستجو

رتبه بندی عملکردهای پیش بینی روش های برآورد ارزش در معرض خطر

عنوان	رتبه بندی عملکردهای پیش بینی روش های برآورد ارزش در معرض خطر
نویسنده	Shener، Emrah، Baronyan، Sayat، Mengütürk، L.A.
تاریخ انتشار:	2012
محل انتشار	- الزویر
موضوع	ارزش در معرض خطر، آزمون توانایی پیش بینی، EGARCH، CAViaR نامتقارن
نوع	دوره ای
زبان	انگلیسی
دیجیتال	بله
نسخه خطی	خیر
کتابخانه:	دانشگاه اوزیغین
شناسه دارایی کتابخانه	0169-2070
شماره ثبت	aafe38d3-f739-4a1b-a64d-2cff3fe12f0f
محل کتابخانه	مدیریت بازرگانی
تاریخ	2012
یادداشت‌ها	با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است.
متن نمونه	ما یک مدل رتبه‌بندی و یک آمار آزمون توانایی پیش‌بینی مکمل را برای بررسی عملکردهای پیش‌بینی روش‌های مختلف ارزش در معرض خطر (VaR) بدون تعیین یک روش معیار ثابت معرفی می‌کنیم. دوره شامل بحران اعتباری اخیر، آزمایشگاهی منحصر به فرد برای تجزیه و تحلیل موفقیت های نسبی روش های مختلف VaR زمانی که در بازارهای نوظهور و توسعه یافته استفاده می شود، ارائه می دهد. هدف مدل رتبه‌بندی پیشنهادی تشکیل یک چارچوب یکپارچه است که نه تنها بزرگی خطاهای بین زیان‌های تحقق‌یافته و پیش‌بینی‌شده، بلکه همبستگی خودکار بین خطاها را جریمه می‌کند. این مدل همچنین تخصیص بیش از حد سرمایه را جریمه می کند. در این رابطه، مدل رتبه‌بندی به دنبال روش‌های VaR است که می‌تواند تعادل ظریف بین حداقل مقررات دولتی برای پایداری مالی و مدیریت ریسک مقرون‌به‌صرفه برای سرزندگی اقتصادی را به دست آورد. به عنوان یک ابزار آماری تکمیلی برای مدل رتبه‌بندی، ما یک آزمون توانایی پیش‌بینی را معرفی می‌کنیم که نیازی به انتخاب روش معیار ندارد. این آمار که همه روش‌ها را به طور همزمان مقایسه می‌کند، جایگزینی برای آزمون‌های توانایی پیش‌بینی موجود است که روش‌های پیش‌بینی را دو در یک زمان مقایسه می‌کنند. ما دوازده روش رایج VaR را در شاخص‌های ارزش یازده بازار نوظهور و هفت بازار توسعه‌یافته آزمایش و رتبه‌بندی می‌کنیم. با توجه به مدل رتبه‌بندی و آزمون توانایی پیش‌بینی، یافته‌های تجربی ما نشان می‌دهد که روش‌های نامتقارن، مانند CAViaR Asymmetric و EGARCH، بهترین پیش‌بینی‌های VaR را ایجاد می‌کنند. این نشان می دهد که عملکرد روش های VaR به طور کامل به پارامتری، ناپارامتریک، نیمه پارامتری یا ترکیبی بودن آنها بستگی ندارد. بلکه در مورد اینکه آیا آنها می توانند عدم تقارن داده های اساسی را به طور موثر مدل کنند یا خیر.
DOI	10.1016/j.ijforecast.2011.10.002
Cilt	28

مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات

دانشگاه اوزیغین

رتبه بندی عملکردهای پیش بینی روش های برآورد ارزش در معرض خطر

نویسنده Shener، Emrah، Baronyan، Sayat، Mengütürk، L.A.

تاریخ انتشار 2012

محل انتشار - الزویر

موضوع ارزش در معرض خطر، آزمون توانایی پیش بینی، EGARCH، CAViaR نامتقارن

نوع دوره ای

زبان انگلیسی

دیجیتال بله

نسخه خطی خیر

کتابخانه دانشگاه اوزیغین

شناسه دارایی کتابخانه 0169-2070

شماره ثبت aafe38d3-f739-4a1b-a64d-2cff3fe12f0f

محل کتابخانه مدیریت بازرگانی

تاریخ 2012

یادداشت‌ها با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است.

متن نمونه ما یک مدل رتبه‌بندی و یک آمار آزمون توانایی پیش‌بینی مکمل را برای بررسی عملکردهای پیش‌بینی روش‌های مختلف ارزش در معرض خطر (VaR) بدون تعیین یک روش معیار ثابت معرفی می‌کنیم. دوره شامل بحران اعتباری اخیر، آزمایشگاهی منحصر به فرد برای تجزیه و تحلیل موفقیت های نسبی روش های مختلف VaR زمانی که در بازارهای نوظهور و توسعه یافته استفاده می شود، ارائه می دهد. هدف مدل رتبه‌بندی پیشنهادی تشکیل یک چارچوب یکپارچه است که نه تنها بزرگی خطاهای بین زیان‌های تحقق‌یافته و پیش‌بینی‌شده، بلکه همبستگی خودکار بین خطاها را جریمه می‌کند. این مدل همچنین تخصیص بیش از حد سرمایه را جریمه می کند. در این رابطه، مدل رتبه‌بندی به دنبال روش‌های VaR است که می‌تواند تعادل ظریف بین حداقل مقررات دولتی برای پایداری مالی و مدیریت ریسک مقرون‌به‌صرفه برای سرزندگی اقتصادی را به دست آورد. به عنوان یک ابزار آماری تکمیلی برای مدل رتبه‌بندی، ما یک آزمون توانایی پیش‌بینی را معرفی می‌کنیم که نیازی به انتخاب روش معیار ندارد. این آمار که همه روش‌ها را به طور همزمان مقایسه می‌کند، جایگزینی برای آزمون‌های توانایی پیش‌بینی موجود است که روش‌های پیش‌بینی را دو در یک زمان مقایسه می‌کنند. ما دوازده روش رایج VaR را در شاخص‌های ارزش یازده بازار نوظهور و هفت بازار توسعه‌یافته آزمایش و رتبه‌بندی می‌کنیم. با توجه به مدل رتبه‌بندی و آزمون توانایی پیش‌بینی، یافته‌های تجربی ما نشان می‌دهد که روش‌های نامتقارن، مانند CAViaR Asymmetric و EGARCH، بهترین پیش‌بینی‌های VaR را ایجاد می‌کنند. این نشان می دهد که عملکرد روش های VaR به طور کامل به پارامتری، ناپارامتریک، نیمه پارامتری یا ترکیبی بودن آنها بستگی ندارد. بلکه در مورد اینکه آیا آنها می توانند عدم تقارن داده های اساسی را به طور موثر مدل کنند یا خیر.

DOI 10.1016/j.ijforecast.2011.10.002

Cilt 28