fa رتبه‌بندی مدل‌های ارزش درمعرض ریسک و کاهش هزینه فرصت الزام سرمایه مرور ادبیات Literature Review <p>رتبه‌بندی مدل‌های ارزش درمعرض ریسک به‌منظور کاهش هزینه فرصت الزامات سرمایه‌ای، یک ابزار مهم برای ارزیابی عملکرد این مدل‌ها محسوب می‌شود. در این مقاله به رتبه‌بندی و آزمون آماری توانایی پیش‌بینی مکمل مدل‌ها پرداخته‌ایم. روش رتبه‌بندی استفاده‌شده با لحاظ‌کردن اندازه تنبیهی برای مدل‌های ارزش درمعرض ریسک این اجازه را به مدیران ریسک می‌دهد که هزینه ریسک و تخصیص سرمایه را به‌گونه‌ای مؤثر تفسیر کنند. از این روش در مقایسه عملکرد مدل‌های موجود پارامتریک شامل مدل‌های عمومی GARCH و جابه‌جایی مارکوف در ارزیابی ارزش درمعرض ریسک برای داده‌های روزانه شاخص کل بازار سهام تهران در دوره 1380-1391 استفاده شده است. نتایج به‌دست‌آمده با استفاده از روش رتبه‌بندی و آزمون پیش‌بینی مکمل تأیید می‌کند که مدل‌های FIEGARCH و EGARCH دارای نتایج بهتری نسبت به دو مدل GARCH و مدل جابه‌جایی مارکوف برای پیش‌بینی ارزش درمعرض ریسک شاخص بازدهی بازار سهام تهران هستند.</p> <p>Ranking the Value at Risk (VaR) models to reduce the opportunity cost of capital requirements is as important tool for evaluating the performance of these models. In this paper we used a new method to rank and test the predictive ability of models. This method allows the risk managers to interpret effectively risk and cost of capital allocation by considering the size of the punishment measure for VaR models. We applied this method for comparing the performance of existing parametric VaR models such as GARCH Models and Markov regime switching, for daily data of Tehran stock exchange index in period 2001-2012. The results confirm that FIEGARCH and EGARCH models have better performance than the GARCH and Markov model in predicting VaR for Tehran stock exchange index.</p> مدل‌های پارامتریک, ریسک بازار 477 505 http://jmbr.mbri.ac.ir/browse.php?a_code=A-10-66-1&slc_lang=fa&sid=1 hadi heidari هادی حیدری hadi.h.k85@gmail.com 10031947532846002567 10031947532846002567 Yes پژوهشکده پولی و بانکی