مدلسازی ساختار وابستگی نقدشوندگی و بازدهی پرتفوی با داده های طی روز در بورس تهران با رویکرد ACP-GARCH-High Dimension Vine Copula
Publish place: Journal of Financial Management Strategy، Vol: 9، Issue: 4
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 109
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFMZ-9-4_001
تاریخ نمایه سازی: 17 فروردین 1401
Abstract:
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.
Keywords:
Authors
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 Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :