پژوهشنامه بیمه

فصلنامه علمی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

پیوندهای مفید

پرسش‌های متداول

اخبار و اعلانات

همکاران اجرائی نشریه

پایگاه های نمایه های تخصصی

نحوه نگارش مقاله

فرم های نشریه

راهنمای عملی واحدهای SI

خط مشی محدودیت کلمات یک مقاله

داوران

خط مشی داوری

طراحی مدلی نوین برای اندازه‌گیری ریسک بازدهی شاخص صنعت بیمه بر پایه رهیافت مارکوف

نوع مقاله : مقاله علمی

نویسندگان

1 گروه علوم اقتصادی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران

2 گروه علوم اقتصادی، دانشکده اقتصاد، دانشگاه آزاد سلامی واحد مرکزی، تهران، ایران

چکیده

هدف: طراحی مدلی جامع و کاربردی برای محاسبه ریسک بازاری شاخص صنعت بیمه در بازار سهام است. هدف جانبی، آزمون رفتارپذیری شاخص مذکور از انتقالات رژیمی در دوره‌های زمانی مختلف است.
روش‌شناسی: روش مورد استفاده جهت دستیابی به هدف، بهره‌گیری از رویکرد «ارزش در معرض ریسک» با استفاده از ترکیب فرآیند رژیمی مارکوف در غالب مدل‌های خانواده GARCH می‌باشد.
یافته‌ها: نتایج تحقیق حاضر نشان می‌دهد ریسک بازدهی شاخص صنعت بیمه از انتقالات رژیمی تبعیت می‌کند و دارای هر دو اثر بازخورد و اثر اهرمی می‌باشد. همچنین رفتار رژیمی بازده این صنعت برپایه تابع توزیع t می‌باشد و با احتمالات متفاوتی بین رژیم‌ها انتقال می‌یابد.




نتیجه‌گیری: سازوکار 6 مرحله‌ای طراحی شده در این پژوهش، دارای مزایای از جمله قابلیت درنظر گرفتن انتقالات رژیمی، اثر اهرمی، اثر بازخورد بر پایه توابع توزیع متقارن و نامتقارن می‌باشد. نتیجه تحقیق نشان می‌دهد که مدل طراحی شده دارای قدرت بالاتری نسبت به مدل‌های مرسوم در اندازه‌گیری ریسک بازدهی شاخص صنعت بیمه است.

کلیدواژه‌ها

عنوان مقاله [English]

Designing a new model for measuring the risk and return of the insurance industry index based on the Markov approach

نویسندگان [English]

  • M. Zolfaghari 1
  • F. Faghihian 2

1 Department of Economic Sciences, Faculty of Management and Economics, Tarbiat Modares University, Tehran, Iran

2 Department of Economic Sciences, Faculty of Economics, Salami Azad University, Central Branch, Tehran, Iran

چکیده [English]

Purpose: Designing a comprehensive and practical model to calculate the market risk of the insurance industry index in the stock market. The secondary goal is to test the behavior of the aforementioned index of regime transitions in different time periods.
Methodology: The method used to achieve the goal is to use the "value at risk" approach by combining the Markov regime process in the majority of GARCH family models.
Findings: The results of the present research show that the risk of the insurance industry index depends on the regime transitions and has both a feedback effect and a leverage effect. Also, the regime behavior of the efficiency of this industry is based on the distribution function t and it is transferred between regimes with different probabilities.




Conclusion: The 6-stage mechanism designed in this research has advantages such as the ability to consider regime transitions, leverage effect, and feedback effect based on symmetric and asymmetric distribution functions. The result of the research shows that the designed model has a higher power than the conventional models in measuring the risk of return of the insurance industry index.

کلیدواژه‌ها [English]

  • Risk
  • GARCH Family
  • Markov Chain Process
  • Insurance Industry Index
مراجع
  1. برزگر، مهدی (1394)، نقدی بر مدل‌های تک رژیمی در بازارهای مالی ایران و مروری بر رفتارهای رژیمی صنایع منتخب، پایان‌نامه کارشناسی ارشد مهندسی مالی، مدرسه کسب و کار استیونس آمریکا.
  2. خالوزاده، حمید و نسیبه امیری (1385)، تعیین سبد سهام بهینه در بازار بورس ایران بر اساس نظریه ارزش در معرض ریسک، تحقیقات اقتصادی، شمارة 73 ، صص 211-232.
  3.  ذوالفقاری، مهدی (1392)، بررسی انواع ریسک مالی و شیوه‌های مدیریت آن در بازارهای مالی: مبانی تئوریکی و مرور تجربیات کشورها، دفتر مطالعات اقتصادی وزارت صنعت، معدن و تجارت.
  4. فقیهیان، فاطمه (1394)، بررسی انتقالات رژیمی در بازارهای مالی ایران در حوزه صنایع غذایی، رساله دکترای مدیریت مالی، دانشگاه ازمیر، ترکیه.
  5. احمدزاده، عزیز (1391)، بررسی کارایی بازار بورس اوراق بهادار تهران، رساله دکترای اقتصاد، دانشکده مدیریت و اقتصاد دانشگاه تهران.
  6. شاهمرادی اصغر، زنگنه محمد (1386)، محاسبة ارزش در معرض خطر برای شاخص های عمده بورس اوراق بهادار تهران با استفاده از روش پارامتریک،  تحقیقات اقتصادی، شمارة 86 ، صص 149-121.
  7. کشاورز حداد، غلامرضا و باقر صمدی(1389)، برآورد و پیشبینی تلاطم بازدهی در بازار سهام تهران و مقایسه دقت روش ها در تخمین ارزش در معرض خطر، مجله تحقیقات اقتصادی، شماره 86، صص 235-195.
  8. طفعلی، بابک (1385 )، اندازه گیری ریسک بازار با ارزش در معرض خطر برای سبد سهام در بانک صنعت و معدن، دانشکدة مدیریت و اقتصاد ، پایان نامة کارشناسی ارشد.

 

  1. Caporin, M., (2009), FIGARCH models: stationarity, estimation methods and the identification problem. GRETA Working Paper no.02.02.
  2. David Leblang, Bumba Mukherjee (2011), Presidential Elections and the Stock Market: Comparing Markov-Switching and Fractionally Integrated GARCH Models of Volatility, Political Analysis, 12:296–322.
  3.  Engel, R. (2010), The Use of ARCH/GARCH Models in Applied, Journal of Economic Perspectives, Volume 15, Number 4,Fall 2001-Pages 157- 168.
  4. Engle, R.F. and T. Bollerslev (1986), “Modeling the Persistence of Conditional Variances,” Econometric Reviews, 5, 1-50.
  5. Geetesh hardwaj, Norman R. Swanson, (2012), An empirical investigation of the usefulness of ARFIMA models for predicting macroeconomic and financial time series, Journal of Econometrics 131 539–578.
  6. Giot, P., Laurent, S., (2003), Value-at-risk for long and short trading positions. Journal of Applied Economics 18, 641–664.
  7. Hamilton, J.D. (1989) "A new approach to the economic analysis of no stationary time series and the business" economical, Volume 57, pp.357-384.
  8. Higgins, J. & Keller-McNulty, S., 1995- Concepts in Probability and Stochastic Modeling, Duxbury Press; first edition. [9]Li, W., 2007, “Markov chain random fields for estimation of categorical variables”, Mathematical Geology, Vol. 39 (3): 321-335.
  9. Guillermo Benavides, Banco de México (2010), GARCH Processes and  alue at Risk: An Empirical Analysis for Mexican Interest Rates Futures, Banking & Finance 28, 2541–2563.
  10. John. C. Hull, “Risk Management and Financial Institutions”; Prentice-Hall, 2nd edition, 2010.
  11. Mike,P.S, Yu,P. (2007), Emperical analysis of GARCH models in value at risk estimation, Journal of International Financial Markets, Institutions& Money 16:180-197.
  12. Ping-Tsung Wu a, Shwu-Jane Shieh, (2007), Value-at-Risk analysis for long-term interest rate futures:Fat-tail and long memory in return innovations, Journal of Empirical Finance 14, 248–259.
  13. Mike K. P. and Philip L. H. Yu (2008), Empirical Analysis of GARCH Models in Value at Risk Estimation, Journal of International Financial Markets, Institutions and Money, Vol. 16, pp. 180-197.
  14. Shiuyan Pong a. etal, (2007), Forecasting currency volatility: A comparison of implied volatilities and AR(FI)MA models, Journal of Banking & Finance 28 (2004) 2541–2563.
  15. Stavros Degiannakis (2010),  Forecasting Value-at-Risk (VaR) using Fractionally Integrated Models of Conditional Volatility, Department of Economics, University of Portsmouth.
  16. Thomas Luxa, Taisei Kaizoji, (2008), Forecasting volatility and volume in the Tokyo Stock Market: Long memory, fractality and regime switching, Journal of Economic Dynamics & Control 31,1808– 1843.
  17. Ta-Lun Tang,  Shwu-Jane Shieh(2010), Long memory in stock index futures markets: A value-at-risk approach, Physica A: Statistical Mechanics and its Applications,Volume 366, 437–448.
  18. Yoon, Seong-Min and Sang Hoon Kang(2009), A Skewed Student-t Value-at-Risk Approach for Long Memory Volatility Processes in Japanese Financial Markets, Journal of International Economic Studies, Vol. 11, pp. 211-242.
  19. Y. Walid, C., Chaker, A., Masood, O, Fry, J., (2013) “stock market volatility and exchange rates in emerging countries: a markov-state switching approach” journal of emerging markets review, Volume 12, pp. 272-292.
  20. Tang & Shieh, (2010) "Forecasting volatility and volume in the Tokyo Stock Market: Long memory, fractality and regime switching" Journal of Economic Dynamics & Control , Volume 31, pp.1808– 1843.

نامه به سردبیر


سردبیر نشریه پژوهشنامه بیمه، هرگونه پیشنهاد و انتقاد دیگر نویسندگان و خوانندگان را در خصوص نقد و بررسی این مقاله مندرج در سامانه نشریه را ظرف مدت 3 ماه از تاریخ انتشار آنلاین مقاله در سامانه و قبل از انتشار چاپی نشریه، به منظور اصلاح و نظردهی امکان پذیر نموده است.، البته این نقد در مورد تحقیقات اصلی مقاله نمی باشد.
توجه به موارد ذیل پیش از ارسال نامه به سردبیر لازم است در نظر گرفته شود:
[1] نامه هایی که شامل گزارش آماری، واقعیت ها، تحقیقات یا نظریه پردازی ها هستند، لازم است همراه با منابع معتبر و مناسب همراه باشد، اگرچه ارسال بیش از زمان 3 نامه توصیه نمی گردد.
[2] نامه هایی که بجای انتقاد سازنده به ایده های تحقیق، مشتمل بر حملات شخصی به نویسنده باشند، توجه و چاپ نمی شود.
[3] نامه ها نباید بیش از 300 کلمه باشد.
[4] نویسندگان نامه لازم است در ابتدای نامه تمایل یا عدم تمایل خود را نسبت به چاپ نظریه ارسالی نسبت به یک مقاله خاص اعلام نمایند.
[5] به نامه های ناشناس ترتیب اثر داده نمی شود.
[6] شهر، کشور و محل سکونت نویسندگان نامه باید در نامه مشخص باشد.
[7] به منظور شفافیت بیشتر و محدودیت حجم نامه، ویرایش بر روی آن انجام می پذیرد.


 

ارسال نظر در مورد این مقاله
CAPTCHA Image
پژوهشنامه بیمه
دوره 8، شماره 3 - شماره پیاپی 29
تیر 1398
صفحه 200-217
فایل ها
هم رسانی
ارجاع به این مقاله
آمار