مدلسازی ساختار وابستگی نقدشوندگی و بازدهی پرتفوی با داده های طی روز در بورس تهران با رویکرد ACP-GARCH-High Dimension Vine Copula

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 115

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JFMZ-9-4_001

تاریخ نمایه سازی: 17 فروردین 1401

چکیده مقاله:

این تحقیق با استفاده از داده های ۱۵ سهم از ۷ گروه صنعتی مختلف در بازه ۵ دقیقه ای طی روز در سال ۱۳۹۸ به ارائه مدلی برای ساختار وابستگی نقدشوندگی و بازدهی سبدی از سهام در بورس اوراق بهادار تهران پرداخته است. در این راستا، به علت پیچیدگی های ناشی از مدل سازی توامان بیش از ۳۰ متغیر (توزیع توامان نقدشوندگی و بازدهی)، پس از مدل سازی تک متغیره نقدشوندگی هر یک از سهم ها بر مبنای مدل پواسون خودرگرسیو شرطی (ACP) و بازدهی هر سهم بر مبنای مدل خودرگرسیون تعمیم یافته شرطی ناهمسانی واریانس (GARCH)، از توزیع های حاشیه ای مزبور برای مدل سازی توزیع توامان با روش کاپیولا واین (Copula vine) استفاده گردید. یافته های مبتنی بر داده های پربسامد نشان داد میان نقدشوندگی سهم ها و همچنین میان نقدشوندگی و بازدهی سهم ها با یکدیگر همبستگی قوی غیرخطی دنباله ای وجود دارد. بنابراین، ارزیابی دقیق تر ریسک ایجاب می کند شاخص هایی نظیر ارزش در معرض خطر مورد توجه قرار گیرد. به علاوه ، نتایج تحقیق حاضر نشان داد مدل سازی توزیع توامان نقدشوندگی و بازدهی سهام در ابعاد زیاد با تکیه بر کاپیولا واین به دلیل انعطاف بالا، برازش مناسبی برای توزیع توامان نقدشوندگی و بازدهی دارای همبستگی قوی غیرخطی دنباله ای ارایه می دهد.

نویسندگان

سیده فاطمه حسینی

دانشجوی دکتری مدیریت مالی دانشگاه تهران

رضا راعی

استاد مدیریت مالی دانشگاه تهران

شاپور محمدی

دانشیار گروه مالی دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Bollerslev, T. (۱۹۸۶). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, ...
  • Cattivelli, L. & Pirino, D. (۲۰۱۹). A SHARP model of ...
  • Chordia, T., Roll, R. & Subrahmanyam, A. (۲۰۰۰). Commonality in ...
  • Daul, S., De Giorgi, E. G., Lindskog, F. & ...
  • Embrechts, P., Lindskog, F. & McNeil, A. J. (۲۰۰۱). Modelling ...
  • Giot, P. (۲۰۰۵). Market risk models for intraday data. The ...
  • Gong, Y., Chen, Q. & Liang, J. (۲۰۱۸). A mixed ...
  • Groß‐KlußMann, A. & Hautsch, N. (۲۰۱۳). When machines read the ...
  • Hasbrouck, J. & Seppi, D. J. (۲۰۰۱). Common factors in ...
  • Heinen, A. (۲۰۰۳). Modelling time series count data: an autoregressive ...
  • Huberman, G. & Halka, D. (۲۰۰۱). Systematic liquidity. Journal of ...
  • Joe, H. (۱۹۹۷). Multivariate models and multivariate dependence concepts. Chapman ...
  • Karolyi, G. A., Lee, K. H. & Van Dijk, M. ...
  • Krupskii, P. & Joe, H. (۲۰۲۰). Flexible copula models with ...
  • Malceniece, L., Malcenieks, K. & Putniņš, T. J. (۲۰۱۹). High ...
  • Moshirian, F., Qian, X., Wee, C. K. G. & Zhang, ...
  • Palaro, H. P. & Hotta, L. K. (۲۰۰۶). Using conditional ...
  • Schmid, F. & Schmidt, R. (۲۰۰۷). Multivariate conditional versions of ...
  • Sklar, M. (۱۹۵۹). Fonctions de repartition a dimensions et leurs ...
  • Weiß, G. N. & Supper, H. (۲۰۱۳). Forecasting liquidity-adjusted intraday ...
  • Xu. C, & Chen. H. (۲۰۱۲). Measuring portfolio value at ...
  • Zeger, S. L. (۱۹۸۸). A regression model for time series ...
  • نمایش کامل مراجع