محمد ندیری - استادیار دانشگاه تهران، دانشکدگان فارابی، دانشکده مدیریت و حسابداری، گروه مالی، قم، ایران
مجید مهرجو - کارشناسی ارشد مدیریت مالی، دانشگاه تهران، تهران، ایران
جلال نادری - دکترای مدیریت مالی، دانشگاه تهران، تهران، ایران

برآورد دقیق و صحیح ارزش در معرض ریسک(VaR)   از جمله موضوعات مورد توجه پژوهشگران و نهادهای مالی است. علیرغم مفهوم ساده VaR، اندازه گیری آن دارای محدودیت­هایی همانند فرض نرمال بودن توزیع، عدم در نظر گرفتن پویایی­ها در طی زمان و در نظر گرفتن چندک­های شرطی به صورت خطی است. در این پژوهش از مدل MCAViaR و مدل کاپولای ترکیبی نوع کلایتون و t برای برآورد VaR و از الگوریتم بهینه سازی ازدحام ذرات (PSO) به منظور تخمین پارامتر وابستگی، برای حل این مشکلات استفاده شده است. نمونه پژوهش ده شرکت بزرگ و فعال بورس تهران و دوره زمانی پژوهش از فروردین سال ۱۳۹۸ تا اسفند سال ۱۳۹۸ است. نتایج پژوهش نشان می­دهد که ضرایب وابستگی دمی مدل MCAViaR برای سهام مورد مطالعه برخلاف پژوهش­های خارجی برابر صفر است و در نتیجه این مدل را می توان به دو معادله مستقل CAViaR تقسیم کرد. نتایج حاصل از تخمین کوانتایل های متغیر با زمان، نیز حاکی از آن است که سری های زمانی کوانتایل های حاصل از مدل کاپولای ترکیبی به سبب فرکانس بالای زمانی نسبت به مدل MCAViaR، پویایی را به خوبی نشان می دهد. نتایج حاصل از آزمون پس آزمایی کوپیک نیز تایید­­کننده عملکرد بهتر مدل کاپولای ترکیبی نسبت به مدل MCAViaR است.

تخمین VaR, مدل MCAViaR, کاپولا, بهینه سازی, الگوریتم فرا ابتکاری PSO