چکیده گستردهمعرفی:برای اندازهگیری ریسک، معیارهای متعددی طی دهههای اخیر معرفی شده است و هر کدام به نحوی به مقوله عدم اطمینان نگریسته و تعدادی از آنها نیز مکمل یکدیگر هستند. با پیشرفت علوم ریاضی و آمار در زمینهی ارزیابی ریسک، در سال 1996 معیار ارزش در معرض خطر جهت اندازهگیری ریسک معرفی گردید که با استقبال سرمایهگذاران و تحلیلگران مالی روبهرو شد. امروزه به دلیل وجود شرایط عدم اطمینان از آینده، عدم توانایی ما در پیش بینی کامل رویدادهای آتی و پرابهام بودن آن، مدیران و سرمایه گذاران مالی به شدت نگران پورتفوی سهام[1] خود و کاهش ارزش داراییهایشان هستند. همچنین در حال حاضر به دلیل ضرورت وجود شفافیت اطلاعاتی، وجود بورسهای منطقهای، گسترش بازارهای مالی، تأثیرپذیری بازارهای مالی دنیا از یکدیگر، موجب میشود که ریسک بازار نیز بیشتر از گذشته مورد توجه واقع شود. با توجه به این که ماهیت فعالیتهای تجاری و سرمایهگذاری، به گونهای است که کسب بازدهی مستلزم تحمل ریسک است، بنابراین باید آن را شناخت، اندازهگیری کرد و با روشهای مختلف، ریسک های غیرضروری و نامطلوب را حذف نمود. بدین منظور برای محاسبه ریسک روشهای متفاوتی وجود دارد که در بین آن ها معیارهای سنتی ریسک همانند انحراف معیار[2] و بتا به دلیل عدم تمایز میان نوسانات مطلوب و نوسانات نامطلوب بازده از دیدگاه سرمایهگذار معیارهای مناسبی جهت اندازهگیری ریسک نمیباشد.از آنجایی که معیار ارزش در معرض خطر علیرقم معیارهای سنتی میتواند میان نوسانات مطلوب و نامطلوب تمایز ایجاد کند و همچنین تغییرات ارزش بازار داراییها را لحاظ نمیکند و روی دنبالههای توزیع تمرکز دارد، معیار بهتری جهت اندازهگیری ریسک میباشد. لذا هدف این پژوهش مقایسه الگوهای مختلف خانواده گارچ در برآورد ارزش در معرض خطر و ارزش در معرض خطر شرطی برای شاخص کل بورس اوراق بهادار تهران می باشد.ارزش در معرض خطر، رویکردی متعارف برای محاسبه مقداری ریسک بازار است. ارزش در معرض خطر حداکثر زیان را که ممکن است در اثر تغییرات قیمتی داراییها در یک افق زمانی و در یک دامنه اطمینان معین رخ دهد، تخمین میزند و یک ضابطه شهودی برای مدیریت داراییها فراهم میآورد و از این رو، جاذبه زیادی برای تصمیمگیران مالی دارد. تخمینهای نادرست از ارزش در معرض خطر سبد داراییها میتواند بنگاهها را به حفظ ذخایر ناکافی سرمایه برای پوشش ریسکهای خود هدایت کند، به نحوی که آنها ذخایر سرمایه ناکافی را برای جذب تکانههای مالی بزرگ نگهداری کنند. برای مثال، موارد متعددی از ورشکستگیهای نهادهای مالی اخیر به سبب تخمینهای نادرست ارزش در معرض خطر سبد داراییها شکل گرفته است. هنگامی که مدل سازی بازدهها مرکز توجه قرار گیرد، درک حرکت همزمان بازدههای مالی اهمیت ویژهای مییابد؛ بنابراین، توجه ما به سمت مدل های GARCH جلب میشود. همچنین انواع مدل های GARCH به منظور مدل سازی نوسانات در مطالعات میدانی استفاده میشود. متدولوژی:این پژوهش به دنبال بررسی این مسئله است که میانگین مقادیر ارزش در معرض خطر و ارزش در معرض خطر شرطی برای شاخص کل بورس اوراق بهادار تهران با استفاده از برآوردهای الگوهای گارچ متفاوت نیستند. همچنین در صدد آن است که ارزش در معرض خطر و ارزش در معرض خطر شرطی را مورد محاسبه قرار دهد. از آن جایی که جذابیتهای آمار پارامتریک از جمله سهولت تعمیمپذیری و وجود ابزارهای قدرتمند کمی سازی باعث شده که رویکردهای پارامتریک حاوی مدل های متنوعی در عرصه ریسک باشد، لذا در این پژوهش ارزش در معرض خطر و ارزش در معرض خطر شرطی با رویکرد پارامتریک، با استفاده از الگوهای خودهمبسته واریانس ناهمسان شرطی تعمیمیافته مختلف برای شاخص کل بورس اوراق بهادار تهران محاسبه شده و پس از مقایسه الگوها با یکدیگر بهترین الگو جهت محاسبه ارزش در معرض خطر و ارزش در معرض خطر شرطی معرفی گردیده است. روش تحقیق به کاربرده شده برحسب هدف، در حیطه مطالعات کاربردی است و از نظر جمعآوری اطلاعات و آمار جزء مطالعات اسنادی کتابخانهای است.جامعه آماری پژوهش حاضر، سری زمانی دادههای روزانه شاخص کل بورس اوراق بهادار تهران، طی دوره 01/09/1390 تا 01/09/1396 و شامل 1445 مشاهده است.روش گردآوری دادهها در این پژوهش کتابخانهای بوده و بر مبنای گزارشات روزانه شاخص کل بورس اوراق بهادار تهران است که از طریق اطلاعات مندرج در سایت پردازش اطلاعات مالی ایران اخذ گردیده است.در پژوهش حاضر، ابزار تجزیه و تحلیل، تکنیکهای اقتصادسنجی و آماری است. بدین منظور از الگوهای خودهمبسته واریانس ناهمسان شرطی تعمیمیافته استفاده شده است. ابزارهای بکارگیری نیز نرم افزارهای Excel ، R ، Eviews 11 است.برای آزمون ریشه واحد ADF از معادله رگرسیونی با لحاظ عرض از مبدأ و روند زمانی خطی استفاده میشود. (پسران[3]، 2005). مرتبه رگرسیون ADF میتواند با استفاده از معیار انتخابی مدل، همانند معیار اطلاعاتی آکائیک (AIC) یا شوارتز (SIC) انتخاب شود. همچنین قبل از آنکه بتوان از مدلهای پیشبینی کننده ارزش در معرض خطر با اطمینان استفاده کرد لازم است اعتبار آن ها با دقت بررسی شده و عملکرد آنها ارزیابی شود. از مولفههای کلیدی روشهای اعتبار سنجی، پسآزمایی است که با به کارگیری روشهای کمی به تعیین مطابقت پیشبینیهای مدل با مفروضاتی که مدل بر اساس آنها بنا شده، میپردازد. برای محاسبه دقت مدلها در تعیین ارزش در معرض خطر می توان از آزمون کوپیک[4] استفاده کرد. این آزمون با روشی بسیار ساده میزان خطای روش محاسبه VaR را برای دادههای گذشته میسنجد. از آنجا که آزمون کوپیک فقط بر روی تعداد تخطیها تمرکز کرده و وجود وابستگی های زمانی را نادیده میگیرد. کریستوفرسن[5] (1998) با در نظر گرفتن یک آماره مجزا برای آزمون استقلال تخطیها، به توسعه آزمون کوپیک پرداخت و آزمونی برای سطح پوشش شرطی[6] پیشنهاد نمود. یافتهها:نتایج حاصل از آزمون مربوط به پایایی متغیرها نشان می دهد که داده های به کار گرفته شده در تمامی سطوح اطمینان ریشه واحد نداشته و پایا هستند. بنابراین ابهام مربوط به ایجاد رگرسیون کاذب به جهت ناپایایی داده ها برطرف می گردد. نتایج حاصل از آزمون ضریب لاگرانژ برای شاخص کل بورس اوراق بهادار تهران حاکی از وجود اثر آرچ در باقیمانده حاصل از معادله خودهمبسته- میانگین متحرک با وقفه یک و یک می باشد. بنابراین کاملاً مشهود است که اثر با وجود آرچ باقمیانده خاصیت نوفه سفید را پیدا نمی کند و باید از الگوهای خودهمبسته واریانس ناهمسان شرطی تعمیم یافته استفاده گردد که اثر آرچ را از داده ها دور می کند.نتایج برآورد الگوی GARCH(1,1) نشان میدهد، معادله ی میانگین برای شاخص انتخابی در تمامی موارد از نوع ARMA(1,1) می باشد. مجموع ضرائب در برآورد الگوی GARCH(1,1) برای هر دو توزیع نزدیک به یک می باشند که نشان دهنده وجود پایداری در فرآیند واریانس می باشد. در نتایج برآورد الگوی EGARCH(1,1) مقادیر پارامتر gamma در دو توزیع نرمال و تی- استیودنت به ترتیب 4/0 و 3/0 می باشد که نشانگر وجود اثر اهرمی مثبت می باشد. نتایج حاصل از برآورد الگوی GARCH-M(1,1) نشان می دهد، ضریب GARCH-M(1,1) در دو توزیع نرمال و تی- استیودنت به ترتیب 5/0 و 2/0 می باشد. این ضریب همان حاشیه ریسک می باشد که نشان می دهد بازدهی به صورت مثبت به متغیر تلاطم وابستگی دارد. وجود این حاشیه ریسک و معنی داری آن به معنی وجود همبستگی پیاپی در بازدهی های گذشته دارایی است. نتایج برآورد دو الگویAPARCH(1,1) ، GJRGARCH(1,1) که نوع دیگری از مدل های GARCHهستند و می توانند اثرات اهرمی را مدل سازی کنند، نشان میدهد در مدل GJRGARCH ضریب gamma برای دو توزیع نرمال و تی- استیودنت به ترتیب 1/0- و 07/0- نشان دهنده وجود اثر اهرمی منفی می باشد و در مدل APARCH ضریب gamma برای دو توزیع نرمال و تی- استیودنت به ترتیب 2/0- و 1/0- نشان دهنده وجود اثر اهرمی منفی می باشند. علت متفاوت بودن ضرایب گاما در الگوهای مختلف نامتقارن گارچ این است که در الگوی GJRGARCH یک متغیر دامی وجود داشته که مقدار آن بین منفی یک تا مثبت یک است و مقدارش را جز خطا معلوم میکند، لذا میتوان انتظار داشت که در اخبار بد گامای مثبت و در اخبار خوب گامای منفی وجود داشته باشد. با استفاده از ضرائب برآورده شده به وسیله ی الگوهای مختلف گارچ، مقادیر ارزش در معرض خطر و ارزش در معرض خطر شرطی نتایج حاکی از آن است که در دو سطوح اطمینان 95% و 99% بیشترین میزان ارزش در معرض خطر برای شاخص کل بورس اوراق بهادار تهران مربوط به الگوی GARCH-M(1,1) با توزیع تی- استیودنت، به ترتیب با میزان %4850/0 و % 8619/0 می باشد. همچنین در شاخص کل با فرض توزیع نرمال در سطح اطمینان 95% به ترتیب الگوی GARCH-M، EGARCH، GJRGARCH، APARCH و GARCH بیشترین ارزش در معرض خطر را نشان می دهند. اما با فرض توزیع تی- استیودنت به ترتیب الگوی GARCH-M، APARCH ، EGARCH ، GJRGARCH، و GARCH بیشترین ارزش در معرض خطر را نشان می دهند.در شاخص کل با فرض توزیع نرمال در سطح اطمینان 99% به ترتیب الگوی GARCH-M، EGARCH،APARCH ، GJRGARCH، و GARCH بیشترین ارزش در معرض خطر را نشان می دهند. اما با فرض توزیع تی- استیودنت به ترتیب الگوی GARCH-M، APARCH ، EGARCH ، GJRGARCH و GARCH بیشترین ارزش در معرض خطر را نشان می دهد.در دو سطوح اطمینان 95% و 99% بیشترین میزان ارزش در معرض خطر شرطی برای شاخص کل بورس اوراق بهادار تهران مربوط به الگوی GARCH-M(1,1) با توزیع تی- استیودنت، به ترتیب بامیزان % 6492/0 و %2863/1 می باشد. در شاخص کل با فرض توزیع نرمال در هر دو سطح اطمینان 5% و 99% به ترتیب الگوی GARCH-M، EGARCH، APARCH ، GJRGARCH و GARCH بیشترین ارزش در معرض خطر شرطی را نشان می دهند.اما با فرض توزیع تی- استیودنت برای هر دو سطح اطمینان 95% و 99% به ترتیب الگوی GARCH-M، APARCH، EGARCH ، GJRGARCH و GARCH بیشترین ارزش در معرض خطر شرطی را نشان می دهند. دقت و کفایت ارزش در معرض خطر و ارزش در معرض خطر شرطی که توسط الگوهای مختلف برآورده شده بودند، توسط آزمون های پس آزمایی ارزیابی بررسی شد. نتایج به دست آمده حاکی ازآن است که ارزش در معرض خطر برای سطح اطمینان 95% برای هر دو توزیع نرمال و تی- استیودنت با روش غلتان توسط آزمون های پس آزمایی مورد ارزیابی قرار گرفت، نتایج نشان می دهند که بر اساس pهای متناظر با آزمون های کوپیک و کریستوفرسن، فرض صفر مبنی بر کفایت و دقت مدل برای تمامی الگوها با توزیع نرمال رد می شوند. این بدین معنی می باشد که هیچ کدام از الگوها باتوزیع نرمال اعتبار کافی برای محاسبه ارزش در معرض خطر را دارا نمی باشند.در حالی که فرض صفر برای تمامی الگوها با توزیع تی- استیودنت رد نمی شوند، در نتیجه تمامی الگوها، با توزیع تی- استیودنت از اعتبار کافی جهت محاسبه ارزش در معرض خطر در سطح 95% را دارا می باشند. با توجه به این که ارزش در معرض خطر برای سطح اطمینان 99% برای هر دو توزیع نرمال و تی- استیودنت با روش غلتان توسط آزمون های پس آزمایی مورد ارزیابی قرار گرفت، نتایج نشان می دهند که بر اساس pهای متناظر دو آزمون کوپیک و کریستوفرسن تمامی الگوها در هر دو توزیع نرمال و تی- استیودنت برای محاسبه ارزش در معرض خطر در سطح اطمینان 99% از اعتبار و کفایت لازم برخوردار می باشند و فرض صفر در آنها رد نشده است.پیشنهادهایی مبتنی بر یافتههای پژوهش این است که با تعیین دامنه سهام، بیمه کردن سهام، شفاف سازی اطلاعات به سرمایهگذاری بهتر در بازار سهام کمک کند. بورس اوراق بهادار تهران همچنین میتواند ارزش در معرض خطر را به صورت روزانه برای صنایع مختلف با استفاده از روش به کار برده شده در این پژوهش محاسبه کرده و در اختیار سرمایهگذاران قرار دهد.همچنین برای محققان آینده پیشنهاد می_شود با توجه به این که روش پژوهش حاضر مبتنی بر الگوهای واریانس ناهمسان شرطی می باشد و این الگوها دارای طیف وسیعی می باشند، پیشنهاد می گردد از الگوهای جدیدتری از جمله 3D-GARCH، COGARCH، GARCH-MIDDAS و... جهت محاسبه ریسک استفاده گردد. همچنین با توجه به تأثیر چشمگیر فروض توزیع احتمال، پیشنهاد می شود از فروض توزیع احتمال دیگری به غیر از آنچه در این مطالعه آمده است، استفاده شود. در مطالعه حاضر کفایت و دقت مدل های مختلف مورد ارزیابی قرار گرفته است، اما با توجه به این که ممکن است ارزش در معرض خطر توسط مدلی چنان بیش از حد برآورد گردد تا هیچ گونه تخطی را مرتکب نشود، در این صورت با معیارهای پس آزمایی مختلف، چنین ارزش در معرض خطری مدل خوبی به شمار آید در حالی که باید توجه داشت اگر ارزش در معرض خطر بیش از حد برآورد گردد ممکن است شرکت مورد نظر یا بانک یا .... متوجه زیان ناشی از تخصیص منابع گردند. بنابراین پیشنهاد می شود با استفاده از روش های مختلف تابع زیان، روش های مختلف ارزش در معرض خطر رتبه بندی شوند. نتیجه:با توجه به این که ارزش در معرض خطر برای سطح اطمینان 99% برای هر دو توزیع نرمال و تی- استیودنت با روش غلتان توسط آزمون های پس آزمایی مورد ارزیابی قرار گرفت، نتایج نشان می دهند که بر اساس pهای متناظر دو آزمون کوپیک و کریستوفرسن تمامی الگوها در هر دو توزیع نرمال و تی- استیودنت برای محاسبه ارزش در معرض خطر در سطح اطمینان 99% از اعتبار و کفایت لازم برخوردار می باشند و فرض صفر در آنها رد نشده است.پیشنهادهایی مبتنی بر یافتههای پژوهش این است که با تعیین دامنه سهام، بیمه کردن سهام، شفاف سازی اطلاعات به سرمایهگذاری بهتر در بازار سهام کمک کند. بورس اوراق بهادار تهران همچنین میتواند ارزش در معرض خطر را به صورت روزانه برای صنایع مختلف با استفاده از روش به کار برده شده در این پژوهش محاسبه کرده و در اختیار سرمایهگذاران قرار دهد.همچنین برای محققان آینده پیشنهاد میشود با توجه به این که روش پژوهش حاضر مبتنی بر الگوهای واریانس ناهمسان شرطی می باشد و این الگوها دارای طیف وسیعی می باشند، پیشنهاد می گردد از الگوهای جدیدتری از جمله 3D-GARCH، COGARCH، GARCH-MIDDAS و... جهت محاسبه ریسک استفاده گردد. همچنین با توجه به تأثیر چشمگیر فروض توزیع احتمال، پیشنهاد می شود از فروض توزیع احتمال دیگری به غیر از آنچه در این مطالعه آمده است، استفاده شود. در مطالعه حاضر کفایت و دقت مدل های مختلف مورد ارزیابی قرار گرفته است، اما با توجه به این که ممکن است ارزش در معرض خطر توسط مدلی چنان بیش از حد برآورد گردد تا هیچ گونه تخطی را مرتکب نشود، در این صورت با معیارهای پس آزمایی مختلف، چنین ارزش در معرض خطری مدل خوبی به شمار آید در حالی که باید توجه داشت اگر ارزش در معرض خطر بیش از حد برآورد گردد ممکن است شرکت مورد نظر یا بانک یا .... متوجه زیان ناشی از تخصیص منابع گردند. بنابراین پیشنهاد می شود با استفاده از روش های مختلف تابع زیان، روش های مختلف ارزش در معرض خطر رتبه بندی شوند. [1] Stock Portfolio[2] Standard Deviation[3] Pesaran[4] kupice Test[5] Christoffersen Test[6] Conditional Coverage Level