فن و جیائو(۲۰۰۶)

بر پایه مدل‌های HSAF و EWMA یک روش شبیه‌ساز تاریخی ارتقاءیافته‌ای پیشنهاد دادند. آنها از یک رویکرد نمایی کاهش‌دهنده فرکانس^[۲۴۳] همراه با ARMA(EDFAAF) برای تخمین VaR قیمت نفت برنت استفاده نمودند.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

سادورسکی (۲۰۰۶)

در مطالعه‌‌ای بر روی فرآورده‌های نفتی، مدل TGARCH سازگاری کاملی با نوسانات گاز طبیعی و نفت حرارتی و مدل GARCH سازگاری کاملی با نوسانات نفت خام و بنزین داشت. نتایج تحقیق وی نشان داد که مدل‌های غیرپارامتریک عملکرد بهتری از مدل‌های پارامتریک در پیش‌بینی VaR دارند.

مایک سو (۲۰۰۶) و فیلیپ یوبا (۲۰۰۶)

با بررسی عملکرد مدل‌های مختلف GARCH در تخمین ارزش در معرض خطر با بهره گرفتن از داده‌های مربوط به ۱۲ شاخص اصلی سهام در اروپا و آمریکای شمالی و جنوب شرقی آسیا و چهار ارز اصلی دریافتند که رفتار غیرمتقارن در داده‌های مربوط به بازارهای مالی مشاهده می‌شود، در حالی که در بازده مربوط به نرخ ارز، رفتار متقارن مشاهده می‌شود.

پینگ-و شیه (۲۰۰۷)

ارزش در معرض خطر برای ویژگی تلاطم با حافظه بلندمدت از سه نوع توزیع متفاوت برای داده های روزانه مربوط به نرخ بهره استفاده کردند. نتایج این تحقیق نشان می‌دهد که مدل‌های با حافظه بلندمدت نتایج بهتری را نشان می‌دهند.

وو و شیه (۲۰۰۷)

برای محاسبه VaR برای بازده‌های روزانه آتی نرخ بهره اوراق قرضه خزانه‌داری، شواهد قوی در وجود پدیده حافظه بلندمدت در نوسان نرخ بهره آتی در وضعیت بلندمدت وجود دارد.

جان‌کاتر (۲۰۰۷)

در مطالعه‌ای با بهره گرفتن از ۱۲ بورس بزرگ اروپا، ارزش در معرض ریسک را بر اساس توزیع‌های شرطی و غیرشرطی با تنظیمات یک دوره‌ای و چند دوره‌ای محاسبه نمود. این مقدار که براساس شاکله ارزش حدی است، بطور قوی وجود دم پهن در شاخص‌ها را تایید نمود.

مارزو و ژاگالی (۲۰۰۷)

مدل EGARCH عملکرد بهتری در تخمین VaR و مدیریت پرتفوی نسبت به سایر اعضا خانواده دارد.

وو و شی (۲۰۰۷)

با بهره گرفتن از مدل FIGARCH به اندازه‌گیری VaR روزانه بازدهی آتی نرخ بهره T-bond برای دو موقعیت خرید و فروش با بهره گرفتن از توزیع‌های نرمال، تی-استیودنت و تی-استیودنت چوله پرداختند

برون (۲۰۰۷)

در مطالعه‌ای یک نرخ نمایی از نتیجه همگرایی برآوردگر‌های VaR شرطی را برای متغیرهای تصادفی مرزی اثبات کرد. نتیجه این مطالعه نشان داد که مرز انحرافات خوشبینانه تنگتر از مرز انحرافات بد بینانه است.

چان و همکاران (۲۰۰۷)

مدل GARCH با دم پهن و بر اساس توزیع‌های مختلف VaR را برای تعدادی از بازارهای سهام اروپا تخمین زدند.

بالی(۲۰۰۷)

با بهره گرفتن از پایگاه اطلاعاتی دو صندوق پوشش ریسک بزرگ، به بررسی رابطه بین بازدهی این صندوق‌ها و VaR برای دوره ۲۰۰۳-۱۹۹۸پرداخند. در این مدل پارامترهای طول عمر، اندازه و نقدشوندگی درنظر گرفته شد.

چئونگ (۲۰۰۸)

به مقایسه ارزش در معرض ریسک توزیع پارتو با دو مدل از خانواده ARCH تحت توزیع نرمال و تی- استیودنت پرداخت. نتایج مطالعه نشان داد که خروجی توزیع پارتو بسیار نزدیک به نتایج مدل ARCH با حافظه بلندمدت و دم پهن است.

ویگا و همکاران (۲۰۰۸)

همبستگی شرطی زمانی بین بازدهی‌های سهام B و A را با بهره گرفتن از همبستگی شرطی پویا (DCC) انگل بررسی کردند. نتایج تحقیقات ایشان نشان داد که پیش‌بینی‌های آستانه‌ای ارزش در معرض ریسک استفاده شده بوسیله تجزیه و تحلیل، اهمیت سازگاری همبستگی شرطی پویای دو سهم را برجسته نمود

هاردل و مانگو (۲۰۰۸)

مدل‌هایی که مشخصه‌ های نامتقارنی و انباشت کسری را در نوسانات درنظر می‌گیرند، عملکرد بهتری را در پیش‌بینی یک روز به جلوی و پنج رو به جلو برای هر دو موقعیت خرید فروش دارند.

جلال و روکینگر (۲۰۰۸)