Estimando el Valor en Riesgo Condicional en la Bolsa de Valores de Teherán Basado en la Teoría de Valores Extremos Usando Modelos GARCH
Autores: Tabasi, Hamed; Yousefi, Vahidreza; Tamoaitien, Jolanta; Ghasemi, Foroogh
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Estimando el Valor en Riesgo Condicional en la Bolsa de Valores de Teherán Basado en la Teoría de Valores Extremos Usando Modelos GARCH
Categoría
Gestión y administración
Subcategoría
Gestión empresarial
Palabras clave
Calcular
Riesgo de mercado
Bolsa de Valores de Teherán
Valor en Riesgo Condicional
Teoría de Valores Extremos
Modelos GARCH
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
Este artículo intentó calcular el riesgo de mercado en la Bolsa de Teherán estimando el Valor en Riesgo Condicional. Dado que el Valor en Riesgo Condicional es una medida relacionada con las colas, se ha utilizado la Teoría de Valores Extremos para estimar el riesgo de manera más precisa. Se utilizaron modelos de Heterocedasticidad Condicional Autorregresiva Generalizada (GARCH) para modelar la característica de agrupamiento de la volatilidad, y para estimar los parámetros del modelo, se aplicó el método de Máxima Verosimilitud. Los resultados del estudio mostraron que en la estimación de los parámetros del modelo, asumir la función de distribución T-student dio mejores resultados que la función de distribución Normal. Se utilizó el método de simulación de Monte Carlo para la validación del modelo de Valor en Riesgo Condicional, y al final, se comparó el rendimiento de diferentes modelos en la estimación de esta medida.
Descripción
Este artículo intentó calcular el riesgo de mercado en la Bolsa de Teherán estimando el Valor en Riesgo Condicional. Dado que el Valor en Riesgo Condicional es una medida relacionada con las colas, se ha utilizado la Teoría de Valores Extremos para estimar el riesgo de manera más precisa. Se utilizaron modelos de Heterocedasticidad Condicional Autorregresiva Generalizada (GARCH) para modelar la característica de agrupamiento de la volatilidad, y para estimar los parámetros del modelo, se aplicó el método de Máxima Verosimilitud. Los resultados del estudio mostraron que en la estimación de los parámetros del modelo, asumir la función de distribución T-student dio mejores resultados que la función de distribución Normal. Se utilizó el método de simulación de Monte Carlo para la validación del modelo de Valor en Riesgo Condicional, y al final, se comparó el rendimiento de diferentes modelos en la estimación de esta medida.