Assessing the Efficiency of the Value-at-Risk Index (VAR) using Extreme Value Theory in comparison with traditional risk assessment methods

Subject Areas : Financial Knowledge of Securities Analysis

Mehrdokht Mozaffari ¹ , Hashem Nikoomaram ²

1 - PHD. Student in Financial Management, Accounting Department, Science and Research Branch, Islamic Azad University,Tehran,Iran
2 - Professor, Accounting Department, Science and Research Branch, Islamic Azad University, Tehran.

Received: 2019-01-12 Accepted : 2019-03-17 Published : 2020-06-21

Keywords: risk management, Value at risk, Extreme Value Theory, Historical Simulation Method, Covariance Variance, Maximum Block Method,

Abstract :

Generally, the greatest risk in the capital market or in the portfolio of investors occurs when large sudden changes occur in the unfavorable portfolio. These losses are in the distribution sequence, and for this purpose they are called "limitative values". In this research, the logarithmic efficiency of the Tehran Stock Exchange Index based on the information received during the time interval between the day (due to the use of high frequency data) during the years 1392 to 1395, and the use of the maximum block approach in measuring the VaR value index is used. It turned out VaR index was calculated using historical simulation methods and variance-covariance method as the traditional risk assessment criteria and the results were compared. The results of data analysis in R software showed that the use of monthly information in calculating the risk-weighted value index has a higher predictive accuracy and the error rate (test error) in this case is lower than traditional risk assessment methods.

References:

*      اسلامی بیدگلی، غلامرضا و احسان طیبی ثانی. 1393. بهینه سازی سبد سرمایه گذاری بر اساس ارزش در معرض ریسک با استفاده از الگوریتم کلونی مورچگان . مهندسی مالی و مدیریت اوراق بهادار. دوره 3، شماره 10، 122-101.

*      پویانفر؛ احمد ، موسوی، سید حمید. 1395. تخمین ارزش در معرض ریسک داده های درون روزی با رویکرد EVT- COPULA. مدلسازی ریسک و مهندسی مالی. دوره 1، شماره 2، زمستان 1395، صفحه 129 تا 144.

*      خیابانی ناصر, ساروقی مریم. 1390. ارزش گذاری برآورد VaR بر اساس مدل های خانواده ARCH (مطالعات موضوعی برای بازار اوراق بهادر تهران). پژوهشهای اقتصادی ایران ،  تابستان 1390 , دوره  16 , شماره  47 ، از صفحه 53 تا صفحه 73 .

*      سارنج، علیرضا و مرضیه نوراحمدی. 1396. رتبه‏بندی آماری مدل‏های مختلف ارزش در معرض ریسک و ریزش مورد انتظار با استفاده از رویکرد مجموعه اطمینان مدل (MCS) برای صنعت بانکداری: با تاکید بر رویکرد ارزش فرین شرطی. مهندسی مالی و مدیریت اوراق بهادار، دوره 8 شماره 30، 146-131.

*      ساندرز، آنتونی و مارسیا کورنت. 1395. بازارها و نهادهای مالی. ترجمه رضا تهرانی و عسگر نوربخش، تهران: انتشارات دانشگاه تهران.

*      سجاد، رسول، هدایتی شراره و شهره هدایتی. 1393. ﺑﺮآورد ارزش در ﻣﻌﺮض ﺧﻄﺮ ﺑﺎ اﺳﺘﻔﺎده از ﻧﻈﺮﯾﻪ ارزش ﻓﺮﯾﻦ در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬﺮان. دانش سرمایه‏گذاری. دوره 3، شماره9.

*      عبده‏تبریزی، حسین و میثم رادپور . 1388. اندازه گیری و مدیریت ریسک بازار: رویکرد ارزش در معرض ریسک. تهران: پیشبرد.

*      فلاح‏پور، سعید و مهدی یاراحمدی. 1391. برآورد ارزش در معرض ریسک با استفاده از تئوری مقدار حدی در بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار، دوره 4 شماره 13، 122-103.

*      میرفخرالدینی، سید حیدر؛ رجبی پور میبدی، علیرضا؛ 1389. کاربست VaR و انتخاب پرتفوی بهینه با استفاده از تکنیک شبیه سازی مونت کارلو (MCS) در بورس اوراق بهادار تهران. دانش و توسعه » تابستان 1389 - شماره 31 علمی-پژوهشی/ISC ‏(24 صفحه - از 100 تا 123)

*      Assaf, A. 2009. Extreme Observations and Risk Assessment in The Equity Markets of MENA Region: Tail Measures and Value-at-Risk. International review of financialanalysis , 109-116.

*      Bacon Carl R. 2012. Practical Risk-Adjusted Performance Measurement. New York: John Wiley & Sons Inc.

*      Bee E,. and Fredrik F. 2016. Which Garch Model is Best for Value-at-Risk Bachelor Thesis, Department of Economics, Uppsala University, Sweden, 1-27.

*      Chinhamu, K., Huang, C., Huang, C.S. nd Chikobvu, D.C. 2014. Extreme Risk, Value-at-Risk and Expected Shortfall in The Gold Market. International Business and Economics Research Journal, 14(1): 108-12.

*      Coles, S. G, Heffernan, J and J. Tawn. 2000. Dependence Measures for Extreme Value Analyses. Extremes, 2(4), 339-365

*      Dowd, Kevin, Blake, David and Andrew Cairns. 2004. Long-Term Value at Risk. Journal of Risk Finance, Vol.5 (2), 5, 52–57.

*      Embrechts, P., McNeil, A. and Strautman, D. 1989. Correlation and Dependency in Risk Management: Properties and Pitfalls. In Risk Management: Value at Risk and Beyond.(Edited by M. A. H.Dempster). Cambridge University Press, 176-223.

*      Fisher, Viviana. 2003. Extreme Value Theory: Value at Risk and Returns Dependence Around the World. http://www.dii.uchile.cl/~ceges/publicaciones/ ceges51.pdf.

*      Langin, A.W. and J.A. Tawn 2000. Concomitant Tail Behaviour for Extremes. Advanced Applied Probability. 30, 197–215.

*      MARISON, A. and R. Frey, 2002 .Estimation of tail-related risk measures for heteroscedastic financial time series: an extreme value approach. Journal of Empirical Finance, Vol. 7, pp. 271-300.

*      SAVANT, A. and H., Deng. 2010. Modeling the Dynamic Conditional Correlation between Hong Kong and Tokyo Stock Markets with Multivariate GARCH Model. D-Level thesis in Statistics, School of Technology & Business Studies, Dalarna University, Sweden, 1-19.

*      Poon, S-H., Rockinger, M., and Tawn, J. 2003. Modelling Extreme-Value Dependence in International Stock Markets. Statistica Sinica, 13, 929-953.

*      Smitt, Francesco. 2015. Value at Risk and Bank Capital Management. Amsterdam: Elsevier Academic Press.