مدل سازی و پس آزمایی VaR از لحاظ موقعیت های کوتاه و بلند مدت با توجه به ارزش های دورن و برون نمونه: کاربردی از مدل های خانواده GARCH انباشته کسری

در پژوهش حاضر علاوه بر محاسبه موقعیت های معاملاتی کوتاه و بلند مدت به بررسی ارزش های درون نمونه و برون نمونه VaR که برای ارزیابی کیفیت پیش بینی مدل براورد شده در نظر گرفته شده است، می پردازیم. قبل از تخمین  VaR، نتایج مدل های خانواده انباشته کسری GARCH(حافظه بلندمدت) نشان از این دارد که مدل HYGARCH(1,d,1) با توزیع چوله Student-t، نتیجه ایی شبیه مدل FIGARCH(1,d,1) با توزیع چوله Student-t را در مورد پدیده دم پهن به نمایش می گذارد. از مقایسه دو مدل مذکور با توزیع های مختلف مدل HYGARCH(1,d,1) با توزیع چوله Student-t بر اساس معیار AIC و ارزش های حداکثری لگاریتم راست نمایی، مدلی برتر شناخته شد. آزمون های نرخ شکست، ، ، بر اساس طول و DQ که برای پس آزمایی VaR درون نمونه تهیه شده اند، نشان از این دارند که مدل VaR درون نمونه با student-t HYGARCH(1,d,1) عملکرد قابل قبول تری از توزیع های دیگر مدل HYGARCH(1,d,1) و مدل FIGARCH(1,d,1) خواهد داشت. از این رو به بررسی VaR برون نمونه با student-t HYGARCH(1,d,1) پرداخته ایم. نتایج تابع زیان VaR نیز نشان از این دارد که در کلیه سطوح کوانتیل ها  مدل FIGARCH(1,d,1) کمترین زیان بدست آمده را در بر دارد. در نهایت یافتیم مدلی که ویژگی حافظه بلند مدت در واریانس شرطی را داراست، کمترین زیان و یا عملکرد مناسب تری در ارزیابی پیش بینی را ارائه می دهد.