نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری دانشگاه علامه طباطبائی

2 دانشیار گروه اقتصاد نظری، دانشکده اقتصاد، دانشگاه علامه طباطبائی

چکیده

با توجه به نقش بازار انرژی به‏ویژه نفت بر اقتصاد کشورها، شناخت تحولات آتی این بازار دارای اهمیت است. در همین راستا، پیش‏بینی تحولات حدی متغیر قیمت نفت برای تصمیم‏گیران و سیاست‏گذاران دارای اهمیتی دو چندان می‏باشد. هدف این مطالعه، بررسی حداکثر تغییرات قیمت سبد نفت اوپک با استفاده از مفهوم ارزش در معرض ریسک[1]است. برای محاسبه این معیار از مدل‏های خانواده GARCH مبتنی بر توزیع نرمال و فرین استفاده شده که انتظار می‏رود تمرکز بر توزیع فرین در پیش‌بینی ارزش در معرض خطر به ویژه در مواجه با وقایع حدی، نتایج واقع‌بینانه‌تری داشته باشد. نتایج پس‌آزمایی[2] مدل‏ها، نشان داده که مدل ARMA-GARCH-EVT در مقایسه با سایر موارد، پیش‌بینی بهتری ارائه نموده است.



[1]. Value-at-Risk (VaR)


[2]. Backtesting

کلیدواژه‌ها

ارشدی، علی(1390)، «مدل‏سازی نوسانات قیمت نفت، قالبی برای اندازه‏گیری شاخص نااطمینانی بر اساس یک مدل (ARIMA-GARCH)»، فصلنامه مطالعات اقتصاد انرژی، شماره 29، صص. 220ـ205.
حیرانی، مهرداد و روشن ضمیر، نسیم (1397)، مدل‏سازی سری‌های زمانی مالی با R، انتشارات بورس، چاپ اول.
رادپور، میثم و رسولی‏زاده، علی و رفیعی، احسان و لهراسبی، علی‏اصغر (1388)، ریسک بازار رویکرد ارزش در معرض خطر، انتشارات آتی نگر، چاپ اول.
سجاد، رسول و هدایتی، شهره و هدایتی، شراره (1393)، «برآورد ارزش در معرض خطر با استفاده از نظریه ارزش  فرین در بورس اوراق بهادار تهران»، فصلنامه دانش سرمایه‏گذاری، شماره نهم، صفحات 155ـ133.
Cabedo, J.D. and Moya, I. (2003), “Estimating Oil Price Value at Risk Using the Historical Simulation Approach.”, Energy Economics, Vol.25, pp. 239-253.
Christoffersen, P. (1985). “Financial Modeling Using Excel and VBA”, MIT press, second edition.
Dacorogna M. and Muller, U. and Pictet, O. and DeVries, C. (1995), “The Distribution, of Extremal Foreign Exchange Rate Returns in Extremerly Large Data Sets.”, Tinbergen Institute, Working paper, Vol. T1, pp. 70-95.
Engle, F. and Bollerslev, T. (1986), “Modelling the Persistence of Conditional Variance”, Econometric Reviews, Vol. 5, pp. 21-45.
Fan,Y. and Zhang, Y. and Tsai, H. and Wei,Y. (2008), “Estimating Value at Risk of Crude Oil Price and Its Spillover Effect Using the GED-GARCH Approach.”, Energy Economics, Vol.30, pp. 3156-3171.
Glosten, L., Jagnnathan, R and Runkle, D. (1993), “On the Relation Between the Expected Value and the Volatility of the Normal Excess Return on Stocks”, Journal of Finance, Vol.48, pp. 1779-1801.
Hamilton. J. (1983), “Oil and the Macroeconomy since World WarII.”, Journal of Political Economy, Vol.91, pp. 593-617.
Hung, J. and Lee, M. and Liu, H. (2008), “Estimation of Value-at-Risk for Energy Commodities Via Fat-Tailed GARCH Models”, Energy Economics, Vol.30, pp. 1173-1191.
Kang, S.H. and Kang, S.M. and Yoon, S. (2009), “Forecasting Volatility of Cude Oil Markets”, Energy Economics, Vol.31, pp. 119-125.
Krehbiel,T. and Adkins, L.C. (2005), “Price Risk in the NYMEX Energy Complex: An Extreme Value Approach.”, Journal of Futures Markets, Vol.25, pp. 309-337.
Kupiec, P. (1995), “Techniques for Verifying the Accuracy of Risk Measurement Models”, Journal of Derivatives, Vol.2, pp. 73-84.
Longin,FM.  (2000), “From Value at Risk to Stress testing: The Extreme Value Approach.”, Journal of Banking and Finance, Vol.24, pp.1097-1130.
Marimoutou, V. and Raggad, B. and Trabelsi, A. (2009), “Extreme Value Theory and Value at Risk: Application to Oil Market”, Energy Economics, Vol.31, pp.519-530.
McNeil, A. and Frey R. (2000), “Estimation of Tail-related Risk Measures for Heteroscedasticity Financial time series: An Extreme Value Approach”, Journal of Empirical Finance, Vol.7, pp. 271-300.
Mi, Z. and Wei, Y. and Tang, B. and Cong, R., Yu, H. and Cao, H.  and Guan, D. (2017), “Risk Assessment of Oil Price from Static and Dynamic Modelling Approaches”, Applied Economics, Vol.49, No.9, pp.929-939.
Mohammadi, H. and Lixian, S. (2010), “International Evidence on Crude Oil Price Dynamics: Applications of ARIMA-GARCH Models”, Energy Economics, Vol.32, pp.1001-1008.
Mork, K. (1989), “Oil and the Macroeconomy When Prices Go up and down: An Extension of Hamilton’s Results.”, Journal of Political Economy, Vol.97 (3), pp.740-744.
Wei,Y., Wang, Y. and Huang, D. (2010), “Forecasting Crude Oil Market Volatility: Further Evidence Using GARCH-Class Models’, Energy Economics, Vol.32, pp.1477-1484.
Youssef M. and Belkacem, L. and Mokni, KH. (2015), “Value-at-Risk Estimation of Energy Commodities: A Long-memory GARCH-EVT Approach”, Energy Economics, Vol. 51, pp.99-110.