مدل‌های تغییر مارکوف

مدل‌های تغییر مارکوف (Markov-switching models) ابزار قدرتمندی برای بررسی رفتار واقعی داده‌های سری زمانی ارائه می‌دهند.

مدل‌های سری زمانی کلاسیک فرض می‌کنند که می‌توان از یک مجموعه از پارامترهای مدل برای توصیف رفتار داده‌ها در تمام زمان‌ها استفاده کرد. این فرض همیشه برای آنچه در داده های دنیای واقعی با آن مواجه می شویم معتبر نیست.

داده‌های سری زمانی در دنیای واقعی ممکن است در دوره‌های زمانی مختلف ویژگی‌های متفاوتی مانند میانگین و واریانس متفاوت داشته باشند. مدل های تغییر رژیم این امکان را فراهم می­کنند که بتوان داده‌ها را در «رژیم‌های» متفاوت و تکرارشونده قرار داد و به میانگین­ و واریانس داده­های سری زمانی و پارامترهای مدل اجازه می­دهد تا در رژیم ها تغییر کنند.

فرض کنید در هر بازه زمانی معین، این احتمال وجود دارد که سری در یکی از رژیم­­ها باشد و ممکن است به رژیم دیگر منتقل شود.

این ویژگی­ها باعث می­شوند که مدل‌های تغییر رژیم بتوانند رفتار واقعی داده‌ها را بهتر از مدل‌های استاندارد ثبت کنند.

محاسبه ضرایب ریسک دارایی در توانگری مالی مؤسسات بیمه با استفاده از ارزش در معرض خطر

در این مقاله، ریسک دارایی مؤسسات بیمه در دو بخش سرمایه‌گذاری در بورس اوراق بهادار و املاک و مستغلات بررسی می شود. برای محاسبه ریسک سرمایه‌گذاری در سهام، از داده‌های روزانه شاخص قیمت کل بازار بورس و اوراق بهادار تهران مربوط به سال های 1388-1384 استفاده شده است. همچنین، برای محاسبه ریسک سرمایه‌گذاری در املاک و مستغلات، از داده‌های ماهانه شاخص کرایه‌ مسکن‌های اجاره‌ای در مناطق شهری ایران مربوط به سال های 1389-1380 استفاده شده است.

در این مقاله به تشخیص ویژگی های توزیع داده‌ها پرداخته شده و مقدار ارزش ‌در معرض ‌خطر برآورد شده است. به‌منظور بررسی کیفیت برآورد‌های انجام‌شده از داده‌های مربوط به سال 1390-1388 برای انجام آزمون پس‌نگر استفاده شده که مدل EGARCH در مقایسه با دیگر روش ها از دقت و عملکرد بالایی برخوردار بوده است. همچنین در بررسی صورت‌گرفته، مشخص شده که اثر تقویمی در بازار وجود دارد و با تعدیل این اثر، ارزش‌ در معرض‌ خطر 23% کاهش می‌یابد.

واژه های کلیدی:  مدیریت ریسک؛ ریسک دارایی؛ ارزش درمعرض خطر؛ اثر تقویمی؛ مدل EGARCH

متن کامل مقاله:

http://jir.irc.ac.ir/pdf_4804_8d2387a618ff397cd42036ab5d632950.html

کاربرد نظریه مقدار کرانگینی در برآورد مقدار در معرض خطر: بررسی موردی بیمه مسئولیت شرکت بیمه ایران

چکیده:

بر خلاف واریانس که قدرت تفکیک انحرافات مثبت و منفی راندارد، مقدار در معرض خطر معیار مناسبی برای محاسبه ریسک‌های مالی به شمار می‌رود که ریسک‌های منفی و واقعی را تبیین نموده و از آن می‌توان برای برآورد ریسک‌های احتمالی یک شرکت بیمه استفاده کرد. از سوی دیگر بررسی توزیع خسارت‌ها، به مدیران ریسک مالی کمک کند تا بهتر بتوانند در مورد تخصیص سرمایه تصمیم بگیرند. در این مقاله کارایی نظریه مقدار کرانگینی در برآورد مقدار در معرض خطر با کارایی سایر روشهای شناخته شده مدل سازی، از جمله مدلGARCH ، روش واریانس-کواریانس و شبیه سازی تاریخی مورد مقایسه قرار می‌گیرد و مدلی است برآورد دقیقتر و پایدارتری را نتیجه دهد، ارائه می‌شود. روش واریانس- کوواریانس، شبیه سازی تاریخی و مدلهای پارتو تعمیم یافته و پارتو تعمیم یافته سازوار برآوردهای نسبتاً پایدارتری را ارئه می‌دهند. همچنین برآوردهای حاصل از دو مدل GARCH(1,1) و GARCH(1,1)-t دارای نوسان‌های بالایی هستند. در مجموع مدل‌های پارتو تعمیم یافته، روش شبیه سازی تاریخی و مدل GARCH(1,1)-t برآوردهای دقیقتری را ارائه می‌دهند.

 واژه‌های کلیدی: نظریه مقدار کرانی، مقدار در معرض خطر، مدل GARCH، روش واریانس- کوواریانس، شبیه سازی تاریخی

متن کامل مقاله:

http://jss.irstat.ir/browse.php?a_id=87&slc_lang=fa&sid=1&ftxt=1