برآورد ارزش در معرض خطر بلایای طبیعی با استفاده از روش تئوری مقدار فرین

افزایش تواتر وقوع بلایای طبیعی طی چند دهه اخیر باعث شده است تا متخصصین و سیاستگذاران توجه بیشتری به موضوعاتی از قبیل پیشبینی وقوع پدیدهها و زیان و خسارتهای احتمالی ناشی از وقوع پدیدههای طبیعی مانند زلزله و همچین مدیریت ریسکبلایای طبیعی داشته باشند. هر چند وقوع پدیدههای طبیعی مانند زلزله در مقایسه با پدیدههای مالی کمتر است اما خسارت ناشی از پدیدههای طبیعی به مراتب سنگینتر و بزرگتر از خسارتهای ناشی از شوکهای مالی است. مدیریت ریسک اساسا نگران خطر رویدادهایی با احتمال کم است که میتوانند به ضررهای فاجعهآمیزی منجر شود. نیاز به مدیریت ریسک، در دههی 09 به علتضررهای بزرگ گزارش شده توسط چند موسسه مالی، مورد توجه قرار گرفت. یکی از روشهای کمی کردن ریسک، ارزش در معرض خطر (VaR) است که محبوبترین روشی است که توسط تحلیلگران آماری برای محاسبه ریسک بازار یک دارایی یا یکپرتفوی متشکل از داراییهای مختلف بکار میرود. برای محاسبهی ارزش در معرض خطر روشهای متفاوتی وجود دارد. با وجود اینتمام روشهای ارزش در معرض خطر از تمرکز بر روی رویدادهای حدی چشمپوشی میکنند و مستقیما بر روی معیارهای ریسکی متمرکز میشوند که با تمام توزیع بازده سازگار باشد. انتخاب روش مناسب برای محاسبهی ارزش در معرض خطر، از اهمیت قابل توجهای برخوردار است. یکی از روشهای پارامتریک، تئوری مقدار فرین (EVT) میباشد که بر خلاف دیگر روشهای پارامتریک وناپارامتریک به جای مدلکردن کل توزیع، بر روی دنبالههای توزیع متمرکز میشود و برآوردهای دقیقتری را در صدکهای بالاتر ارائه میدهد. در این مقاله کاربرد نظریه مقدار فرین ) EVT ( در برآورد ارزش در معرض خطر پدیدهها و بلایای طبیعی معرفی میگردد. استدلال میشودکه این روش در برآورد زیانهای بزرگ، در مقایسه با سایر روشهای پارامتریک مانند مدلهای GARCH ، شبیهسازی تاریخی، شبیهسازی تاریخی فیلتر شده و ... از اعتبار بالاتری برخوردار است. پیشنهاد میشود برای اعتبارسنجی مدلهای مورد بررسی، از آزمونهای پوشش شرطی، پوشش غیرشرطی و تست استقلال استفاده شود. همچنین میتوان با استفاده از تابع زیان لوپز مدلهای مختلف را رتبهبندی نمود.

Keywords:

ریسک بلایای طبیعی ) Catastrophe Risk ( , ارزش در معرض خطر (Value-at-Risk) , قضیه مقدار فرین (Extreme Value Theory) , روش توزیع پارتوی تعمیم یافته (Generalized Pareto Distribution) , مدل GARCH