آیا در تلاطم های شدید بازار سهام تهران متنوع‌سازی ریسک را کاهش می‌دهد؟

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار گروه اقتصاد، دانشکدۀ مدیریت و اقتصاد دانشگاه صنعتی شریف

2 کارشناس‌ارشد اقتصاد، دانشگاه صنعتی شریف

چکیده

در این پژوهش سعی شده است متنوع کردن بدره، برای حالتی مورد بررسی قرار گیرد که بازار سهام با تلاطم شدید مواجه باشد یا به عبارتی قیمت سهام افزایش یا کاهش شدید را تجربه کرده باشد. مطالعات نشان می‌دهند که هنگام وجود تلاطم شدید در بازار دارایی‌ها، همبستگی شرطی میان بازدهی‌ها افزایش یافته، در نتیجه متنوع‌سازی نمی‌تواند سبب کاهش ریسک گردد. برای ارزیابی درستی این ادعا در بازار دارایی‌های مالی ایران از تکنیک‌های آماری کرنل و گارچ، برای برآورد کوانتیل توزیع بازدهی سهام استفاده شده است. سپس آماره‌های همبستگی شرطی، واریانس جملات خطای معادله و ضریب بتای CAPM شرطی را برای آزمون فرضیه امکان کاهش ریسک غیرسیستماتیک و سیستماتیک بکار گرفتیم. نتایج تجربی حاصل از این پژوهش، نشان می‌دهد که، در وضعیت افتان بازار متوسط همبستگی شرطی بین دارایی‌ها، مثبت و بزرگتر از ناحیه میانی است، ولی همبستگی شرطی بین دارایی‌ها در وضعیت خیزان بازار، تفاوت معنی‌داری از ناحیه‌ی میانی ندارد. بتا نیز در دوره‌های مختلف بازار ثابت نبوده و در دوره‌های نزولی بازار، بتا بیشتر از دوره‌های صعودی و عادی است.

کلیدواژه‌ها


عنوان مقاله [English]

Does Diversification Reduce risk in Tehran Stock Market when it is Volatile?

نویسندگان [English]

  • GholamReza K. Haddad 1
  • Elham Mohammadi 2
1
2
چکیده [English]

Empirical researches have shown that in highly volatile market, conditional correlation between returns is stronger, so diversification cannot reduce risk. To test this claim in Iran’s financial market, quintiles of stock return distribution have been estimated by Kernel density and GARCH models. Then, average conditional correlation, error variance and conditional CAPM has been calculated to test the reducing of Non-systematic and systematic risk. Results show that average correlation in the upper tail is not significantly different from the middle one and the average of error variances and the portfolio beta are very unstable and can be much higher in the lower tail and middle than those in the upper tail of the distribution.

کلیدواژه‌ها [English]

  • highly volatile stock market
  • conditional correlation
  • conditional CAPM
  • bull and bear market
عبده تبریزی، حسین و میثم رادپور (1388). اندازه‌گیری و مدیریت ریسک بازار، تهران، انتشارات آگاه.
جمشیدی، فرشید و مهتاب کشاورز (1384). برآورد چگالی داده­ها و آماره­ها، پژوهشکدۀ آمار.
Ang, A. & Bekaert, G. (2000). International asset allocation with time-varying correlations, Review of Financial studies, 15, 1137-1187.
Ang, A., Chen, Joseph. & Xing, Yuhang. (2002). Downside Risk & The Momentum Effect. Journal of Financial Economics, 65, 24-66
                                                                          
Campbell, R., Koedijk, K. & Kofman, p. (2000). Covariance and Correlation in International Equity Returns, Erasmus University Rotterdam, Working Paper.
Cotter, J. & Longin, F. (2007). Implied Correlations from VaR, University College Dublin, Working paper.
Dobri´c, J., Frahm, G. & Schmid, F. (2010). Dependence of stock returns in bull and bear markets, Computational Statistics & Data Analysis, under revision.
Engel, Robert. (2002). Dynamic Conditional Correlation: a Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models, American Statistical Association Journal of Business & Economic Statistics, 20(3): 339-350.
Granger, C.W.J. & Silvapulle, P. (2001). Capital Asset Pricing Model, Bear, Usual and Bull Market Conditions and Beta Instability: A Value at Risk Approach, University of California, Working Paper, San Diego.
Grubel, H.G. & Fadner, K. (1971). The interdependence of international equity markets, Finance, 26, 89-94.
Galagedera, D.U. (2009). Economic significance of downside risk in developed and emerging markets, Applied Economics Letters, 16, 1627–1632.
Hamilton, J.D. & Susmel, R. (1994). Autoregressive Conditional heteroskedasticity and changes in regime, Econometrics, 64, 307-33
Huang, Alex YiuHou. (2012). Value at Risk Estimation by Quantile Regression and Kernel Estimator, Review of Quantitative Finance and Accounting.
Jorion, P. (2000). Value at Risk: The New Benchmark for Managing Finanacial Risk, New York, Mc Graw-Hill.
Kaplanis, E.C. (1988). Stability and Forecasting of the Comovement Measures of Intemational Stock Market Returns, Journal of International Money and Finance, 7, 63-75.
Kanas, A. (1998). Volatility Spillovers across Equity Markets: European Evidence, Applied Financial Economics, 8, 245-256.
Kiani, Khurshid M. (2011). Relationship between Portfolio Diversification and Value at Risk Empirical Evidence, Emerging Markets Review, 12, 443-459.
Longin, F. & Solnik, B. (1995). Is The International Correlation of Equity Returns Constant: 1960-1990, J. Int. Money Finance, 14, 3-26.
Levy, R.A. (1974). Beta Coefficients as predictors of Returns, Financial Analysts Journal, 30, 61-69.
Ramchmand, L. & Susmel, R. (1998). Volatility and cross correlation across major stock markets, Empirical Finance, 5, 397-416.
Resti, A. & Sironi, A. (2007). Risk Management and Shareholders Value in Banking: From Risk Measurement Models to Capital Allocation Policies, New York, John Wiley.
Sheather, S.J. & Marron, J S. (1990). Kernel Quantile Estimators, American Statistical Association, 85, 410-416.
Silvapulle, P. & Grannger, C.W.J. (2001). Large Returns, Conditional Correlation and Portfolio Diversification: a Value at Risk approach, Quantitative Finance, 1(5): 542-551.
Scherrer, W. & Ribarits, E. (2007). On the Parameterization of Multivariate GARCH Models, Econometric Theory, 23, 464-484.
Yiu, K. (2004). Optimal Portfolios under a Value at Risk, Journal of Economic Dynamics and Control, 28