بخشی از مقاله
چکیده
امروزه مفاهیمی چون سهام، اوراق قرضه، اوراق مشارکت و ابزارهای مالی ازایندست برای همگان مفاهیمی آشناست و تقرباًی زندگی تمامی افراد، حتی شرایط اقتصادی کشور بهطور مستقیم و یا غیرمستقیم تحت تأثیر این مفهوم مالی است. بیشک فقدان درک و نگرش تخصصی مناسب در انجام مطالعات بازار موجب ایجاد خسارتهای جبرانناپذیری میگردد. در این مقاله قصد داریم تا با رویکردی نوین برخی از معیارهای سنجش مخاطره بازارهای مالی ایران را مورد بررسی قرار دهیم.
ازآنجاییکه شاخصهای مالی و قیمت سهام بهشدّت تحت تأثیر تاریخچهی خود است لذا عدم توجه به این مسئله موجب گمراهی و وقوع بحرانهای مالی میشود. وقوع پیشامدهای کرانگین درگذشته و اثرات آن در ایجاد خوشههای زیان کرانگین در آینده، میتواند مصداقی مناسب از چالش عنوانشده باشد. لذا سعی میشود تا به کمک فرایندهای نقطهای خودانگیزشی نشاندار و تابع شدّت مرتبط با آن نرخ وقوع پیشامدهای زیان کرانگین در آینده را برآورد و پیشبینی نمود.
برای برآورد تابع شدّت فرایند نقطهای عنوانشده از مدلهای دورهی شرطی خود-بازگشتیACD بهره میگیریم،سپس به کمک تابع شدّت برآورد شده و توضیحات ارائهشده در ادامهی مقاله، برآوردهایی از معیارهای مخاطره VaR وELEP شرطی یکروزه را محاسبه مینماییم و پسازآن اعتبار برآوردهای حاصلشده را مورد آزمون قرار میدهیم. این روش محاسبه معیارهای مخاطره اولین بار توسط حمیدیه و دیگران [1] - 2012 - پیشنهاد گردید. در این برآوردگرها بهخوبی اثرات دینامیک زمان و رفتار گذشتهی فرایند انعکاس داده میشود. از خصوصیات مناسب دیگر این برآوردگرها تفسیرپذیر بودن آن است. درنهایت به کمک مجموعه مشاهدات مالی بازار سهام ایران، معیارهای مخاطره نام بردهشده محاسبه شده و با چند روش کلاسیک مقایسه میگردد.
.1 مقدمه
به زبان عامیانه پیشامد کرانگین به پیشامدهایی نادر گفته میشود که در مباحث بیمهای منجر به رخداد خسارتهای بسیار بزرگ شود. با این تعریف مقادیر کرانگین موردنظر ما مقادیری مثبت و متعلق به انتهای دم سمت راست توزیع خسارتها است، بنابراین با مدل-بندی و پیشبینی این دسته از پیشامدها میتوان تا حدود زیادی مخاطرات مالی شرکتها را مدیریت نمود. اهمّیت این موضوع زمانی که با محصولات پیچیده و متنوع شرکتهای مالی روبهرو هستیم دوچندان میشود، چراکه عدم مدیریت این دسته از محصولات مالی موجب وقوع بحرانهای مالی شده و برای شرکتکنندگان در بازارهای مالی امری بسیار چالشبرانگیز است.
برای سنجش میزان مخاطرهی مالی این نوع از محصولات میبایست از معیارهای دقیق و مناسب بهره جست، البته هریک از این معیارها دارای نقاط ضعف و قوّت مختص به خود است. برای مثال معیار VaR در سطح q - 0, 1 - عبارت است از چندک q ام توزیع خسارتها و از آن میتوان بهعنوان شاخصی برای سنجش مخاطرهی تعهدات ترازنامهها مانند: "قراردادهای تحویل آتی"، "قراردادهای تاخت"، "قراردادهای پیشرو" و "اختیار معاملات" استفاده نمود. این معیار تنها از طریق توزیع حاشیهای اطلاعات شکل گرفته و دینامیک زمانی مرتبط با بازار را در نظر نمیگیرد.
این مسئله میتواند پیامدهای مهمی را دربر داشته باشد چراکه خوشههای زیان کرانگینعمدتاً درمدّتزمان کوتاهی رخ میدهند و میتوانند منجر به کاهش سریع ارزش معاملات شوند و بحرانهای مالی را در پیش داشته باشند. این پیشامد-های خوشهای از طریق مدلهایی که تنها بر مبنای توزیع حاشیهای اطلاعات شکل میگیرند به خوبی توضیح داده نمیشوند. هدف اصلی این مقاله بهکارگیری برآوردگرهای توسعهیافته معیارهای مخاطرهی مالی پیشنهاد شده توسط حمیدیه و دیگران [1] - 2012 - برای محاسبهی مقادیر VaR و ELEP چندین شرکت فعال در بازار سهام ایران است . با در نظر گرفتن دینامیک زمانی و وابستگی میان مقدار خسارتهای کرانگین رخداده شده درگذشته و زمان ورود آنها در آینده میتوانیم برآوردهای معیار مخاطره را بهبود بخشیم.
.2 تشریح ساختار ریاضی مدل ACD و فرایند نقطهای خود انگیزشی
بهطورکلی سود یا زیان یک دارایی از تغییرات قیمت آن در طول دورهای معین از زمان تعریف میشود. هنگامیکه ارزش سبد داشتمان مثبت باشد عموماً از شاخص درصد بازده استفاده مینماییم. نکتهی حائز اهمیت این است که در دورههای کوتاهمدت شاخص درصد بازده بهخوبی توسط لگاریتم بازده تقریب زده میشود. مدلهای - ACD دورهی شرطی خودبازگشتی - اولین بار در سال 1998 توسط انگل و راسل [ 2] مطرح شد. از این مدل برای مطالعه و تحلیل اطلاعات مرتبط با زمان انجام معاملات استفاده گردید. این مدلها بهعنوان یکی از پرکاربردترین مدلها جهت تحلیل و مطالعهی مدتزمان سپری شده تا وقوع پیشامدها در علومی چون اقتصادسنجی شناختهشده و تاکنون مورد استقبال فراوان تحلیلگران قرارگرفته است.
بهطورکلی از این مدل جهت مطالعهیمدّتزمان سپریشده تا وقوع پیشامدهای متوالی استفاده میشود. به کمک ساختار خاص این مدل قادر هستیم تا با بهروزرسانی اطلاعات قدرت پیشبینی مدل را افزایش دهیم. همچنین از قابلیتهای این مدل میتوان به توانایی آن در مدلبندی فرایندهای با رفتار خوشهای و ساختار بیشپراکنده اشاره نمود. شاید یکی از بهترین ویژگیهای مدل ACD ایجاد شرایط لازم جهت تحلیل و آزمون برخی از مفاهیم مرتبط با ساختار بازارهای مالی است - تسای . - [3] پس از انگل و راسل، مشتقات بسیاری از مدلهایACD ایجاد و معرفی شد. مدلهایLog-ACD یکی از این مشتقات به شمار می- رود، این مدل برای اولین بار توسط جیوت و باوونس در سال [4]2000 معرفی شد.
