@article { author = {keshavarz, gholamreza and Samadi, Baagher}, title = {An Appraisal on the Performance of FIGARCH Models in the Estimation of VaR: the Case Study of Tehran Stock Exchange}, journal = {Journal of Economic Research (Tahghighat- E- Eghtesadi)}, volume = {44}, number = {1}, pages = {-}, year = {2010}, publisher = {University of Tehran}, issn = {0039-8969}, eissn = {2588-6118}, doi = {}, abstract = {Risk prediction plays an increasing role in financial risk management. This study aims to investigate existence of asymmetry and long memory volatility in Tehran Stock Exchange Index daily data over period of 1998-2006. 1467 daily index returns are used for volatility modeling via GARCH (Long & short Memory) processes for both normal and t-student innovations. The specification and forecasting performance of competing volatility models are compared by standard criteria. Considering the evidence of long memory, ARFIMA models are developed for conditional mean and both long and short memory models are used for conditional variance. We find that long memory models (particularly with normal distribution of innovations) perform more accurately. Also empirical results indicate that GARCH models have confidential performance with t-student innovation. In sample and out–of-sample Value at Risk calculation resulted by FIGARCH models are more accurate than those of generated by traditional GARCH, particularly in 2.5% critical region. JEL Classification: C22, C53, G15}, keywords = {ARFIMA,GARCH Models,Long memory,Tehran stock Exchange Index,Value at Risk}, title_fa = {برآورد و پیش بینی تلاطم بازدهی در بازار سهام تهران و مقایسه دقت روش‎ها در تخمین ارزش در معرض خطر: کاربردی از مدل‎های خانوده FIGARCH}, abstract_fa = {پیش بینی تلاطم یکی از مهم‎ترین موضوعات مورد مطالعه ریسک در بازارهای مالی است. در تحقیق حاضر ابتدا با استفاده از روش‎های GARCH، تلاطم موجود با استفاده از 1467 دادة روزانه برای شاخص قیمت بورس تهران برآورد شده و بهترین مدل‎ها در تخمین و پیش‌بینی تلاطم برای توزیع نرمال و توزیع تی- استیودنت نتیجه شده است. با توجه به وجود علائم حافظه بلندمدت برای تبیین میانگین شرطی، از مدل ARFIMA و برای واریانس شرطی، در کنار مدل‎های با حافظه کوتاه مدت، از مدل با حافظه بلندمدت FIGARCH استفاده شده است. برای انجام پیش‌بینی در دورة خارج از دورة نمونه، مدل ARFIMA-FIGARCH با توزیع نرمال، دقیق‎ترین مدل بوده و نتایج بهتری را ارائه می‎دهد. یکی از روش‎های مطرح در بررسی ریسک‎ها و مدیریت ریسک، تخمین VaR یا ارزش در معرض خطر است. مقایسة مدل‎ها نشان می‎دهد که در سطوح اطمینان متفاوت برای تخمین ارزش در معرض خطر، مدل‎های مختلف نتایج متفاوتی می‎دهند، ولی می‌توان گفت مدل FIGARCH در سطح معنی‌داری 5/2? بهترین عملکرد را در میان مدل‎های GARCH دارد. طبقه‎بندی JEL : F45 , G32}, keywords_fa = {ارزش در معرض خطر,حافظه بلند مدت,شاخص قیمت بورس تهران,مدل‎های GARCH}, url = {https://jte.ut.ac.ir/article_19983.html}, eprint = {https://jte.ut.ac.ir/article_19983_68171699122aa2d8d78278c561bbd771.pdf} }