رویکردهایی نوین به منظور ارزیابی عملکرد تخمین زننده های var با کاربرد منطق فازی در mcdm و modm

چکیده : یکی از شاخه های اصلی در مهندسی مالی, مدیریت ریسک می باشد. شناسایی, اندازه گیری و در نهایت کنترل ریسک های مختلف مرتبط با حوزه مالی, از اهداف اساسی مدیریت ریسک می باشند. شناسایی ریسک و سپس اندازه گیری آن, گام اول در مدیریت ریسک می باشد. به منظور اندازه گیری نیز به معیار ریسک مناسب نیاز داریم. مطالعات زیادی در زمینه بازده دارایی های مالی صورت گرفته است. نتایج بسیاری از این مطالعات, حاکی از fat tail بودن بازده دارایی های مالی است, لذا کاربرد سنجه های ریسکی که انتهای دنباله بازده را در محاسبات مربوط به ریسک بیشتر مورد توجه قرار می دهند, افزایش یافته است. یکی از پرکاربردترین این سنجه ها,var می باشد که کاربرد آن به شدت از دهه 1990 به بعد افزایش یافته است. به موازات افزایش کاربرد ارزش در معرض خطر در حوزه مدیریت ریسک, اعتبارسنجی تخمین زننده های var نیز از اهمیت بسزایی برخوردار شده اند. در اکثر روش های رایج پیش آزمایی, بازده نهایی حاصله از کاربرد تخمین زننده در تخمین var در نظر گرفته نمی شود, که این مطلب برای سرمایه گذاران با درجه ریسک پذیری بالا نمی تواند مطلوب باشد. آنچه که این تحقیق را از سایر تحقیقات انجام پذیرفته در زمینه پیش آزمایی مدل های تخمین var, متمایز می سازد, در نظر گرفتن همزمان بازده واقعی حاصله از کاربرد تخمین زننده و زیان ایجاد شده به عنوان معیاری از دو شاخص ریسک و بازده می باشد که مبنای اصلی در حوزه مطالعات مالی می باشند. از طرفی به دلیل نسبی بودن ریسک و بازده از نظر سرمایه گذاران وزن این دو شاخص را فازی در نظر گرفتیم. در این تحقیق به منظور بهینه سازی پرتفوی, از معیار نخست- ایمنی استفاده کرده ایم. به منظور بهینه سازی تابع هدف در این معیار نیازمندیم که کوانتایل بازده پرتفوی ریسکی را تخمین بزنیم که بدین منظور از تخمین زننده های رایج var به منظور ارزیابی آنها, بهره بردیم. از طرفی با توجه به غیر محدب بودن تابع var و دلایل دیگر, به منظور بهینه سازی از یکی از معروف ترین الگوریتم های فرا ابتکاری یعنی الگوریتم ژنتیک استفاده شده است. یافته های تحقیق نشان دهنده محافظه کار بودن روش های gev و hs نسبت به روش های پارامتریک می باشد. از طرفی روش شبیه سازی تاریخی علی رغم سادگی محاسباتی, بهترین عملکرد را از خود نشان داده است. کلمات کلیدی : value-at-risk, safety-first investors, backtesting, الگوریتم ژنتیک, topsis فازی, روش های تصمیم گیری چند هدفه(modm)