مقایسه تخمین ارزش در معرض ریسک یک پرتفولیو با استفاده از شبکه عصبی خودرمزنگار تغییراتی و رویکردهای رایج [پايان نامه فارسي]
سید احسان طباطبایی
| شناسگر رکورد: | ۱۶۱۳۲ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | مقایسه تخمین ارزش در معرض ریسک یک پرتفولیو با استفاده از شبکه عصبی خودرمزنگار تغییراتی و رویکردهای رایج |
| نويسنده: | سید احسان طباطبایی |
| استاد راهنما : | دکتر حمیدرضا آرین |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۸ |
| چکیده: | از جمله ویژگیهای یک سرمایهگذار عقلایی توجه به ریسک سرمایهگذاری علاوه بر بازده است. اندازهگیری دقیق ریسک و پیشبینی آن سالهای زیادی است که مورد توجه سرمایهگذاران و محققان بودهاست. پس از بحران مالی جهانی ۲۰۰۷-۲۰۰۸ و اثبات ناکارآمدی تعداد زیادی از مدلهای مورد استفاده برای پیشبینی ریسک در آن زمان، توجه بسیاری از بازیگران بازارهای مالی و نهادهای ناظر به پیشبینی دقیق و صحیح ریسک پرتفوی داراییهای مالی جلب شد. در این پژوهش روش جدیدی برای پیشبینی ریسک پرتفویی از سهام ارائه و ارزیابی میشود که با تکیه بر مدل شبکه عصبی خودرمزنگار تغییراتی، به مفروضات غیرواقعی مدلهای پیشین احتیاجی نداشته و انتظار میرود که عملکرد مناسبتری نسبت به مدلهای رایج داشته باشد. در این تحقیق امکان پیشبینی معیار ارزش در معرض ریسک توسط مدل شبکه عصبی خودرمزنگار تغییراتی و برتری آن نسبت به مدلهای شبیهسازی تاریخی و شبیهسازی مونت کارلو در سطوح ارزش در معرض ریسک یک و پنج درصد تأیید شد. برای پیشبینی میانگین و واریانس توزیع بازده، از مدلهای خانوادهی آریما و گارچ استفاده شد که نتایج نشان داد انتخاب آن بر عملکرد مدل شبکه عصبی خودرمزنگار تغییراتی در سطح پنج درصد موثر و در سطح یک درصد کماثر است. در این تحقیق، برای بررسی عملکرد مدلهای مختلف و مقایسه آنها از سه آزمون پوشش غیرشرطی، استقلال و پوشش شرطی پیشنهاد شده توسط کریستوفرسون استفاده شد که در همه حالتها به جز یک حالت، برتری مدل پیشنهادی را نسبت به مدلهای رایج تأیید کرد. بر اساس نتیجههای کسب شده در این تحقیق که با استفاده از دادههای شرکتهای مورد معامله در بورس اوراق بهادار تهران در بازهی فروردین ۱۳۸۹ تا شهریور ۱۳۹۶ انجام گرفت، پیشنهاد میشود که محققان از این روش برای پیشبینی ارزش در معرض ریسک پرتفوی سهام استفاده کنند و همچنین با اضافه کردن پیشبینی میانگین و واریانس به مدل اصلی ظرفیت و کارایی مدل را افزایش دهند. |
| واژگان کلیدی: | مدیریت مالی |
| مهندسی مالی | |
| مدیریت ریسک | |
| ارزش در معرض ریسک | |
| شبیهسازی تاریخی | |
| شبیهسازی مونت کارلو | |
| شبکه عصبی خودرمزنگار تغییراتی | |
| نوسانپذیری شرطی | |
| توزیع بازده |
جهت ثبت نظر با حساب کاربری تان وارد شوید