پیش بینی ارزش در معرض ریسک وریزش موردانتظار؛ رویکرد مدل‏سازی داده های پرتناوب

این پژوهش به بررسی عملکرد مدل های حافظه بلند مدت و مدل های حافظه کوتاه مدت در پیش بینی چند دوره ای ارزش در معرض ریسک (var) و ریزش موردانتظار (es)می پردازد. داده های مورد مطالعه مربوط به سه شاخص صنعت محصولات شیمیایی، خودرو و ساخت قطعات و فلزات اساسی می باشد که در بازه زمانی خرداد 1390 تا خرداد 1394 به صورت روزانه جمع آوری شده است. نتایج حاصل نشان می دهد که مدل های مبتنی بر واریانس ناهمسانی مشروط که ویژگی حافظه بلند مدت را مد نظر قرار داده اند، در دوره های زمانی مورد مطالعه بهبودی را در زمینه دقت پیش بینی var ایجاد ننموده اند. علاوه بر این، مدل garch در اغلب شاخص های در نظر گرفته شده در دوره های زمانی مورد مطالعه عملکرد بهتری داشته و دارای تابع زیان کوچکتری بین بازده های واقعی و برآورد es بوده است. بنابراین مدل تلاطم با حافظه بلند مدت علی‏رغم این که با ساختار داده‏های پرتناوب انطباق بیشتری دارد در مقایسه با مدل حافظه کوتاه مدت garch، در افق های زمانی کوتاه‏مدت و بلند مدت، نتوانسته بهبودی را در دقت پیش بینی varو es ایجاد نماید.