摘要：In this paper we compared multivariate GARCH models to estimate Value-at-Risk. We used a portfolio of weekly indexes including TEDPIX, KLSE, XU100 during ten years. To estimate Value-at-Risk, first we estimated CCC, DCC of Engle, DCC of Tse and Tsui, Dynamic Equi correlation models by OxMetrics. Then, optimum lags were estimated by minimizing the information criteria. To estimate VaR, the models accuracy was validated by using variance-covariance matrix. The results show that although CCC model estimates variance matrix better, Dynamic Equi correlation is preferable to estimate Value-at-Risk, employing more complete correlation matrix.
其他摘要：در این پژوهش عملکرد مدلهای GARCH چندمتغیره، برای محاسبة ارزش در معرض ریسک، مقایسه شده است. بدین‌منظور از پرتفویی شامل شاخصهای هفتگی TEDPIX، KLSE و 100 XU برای مدت ده سال استفاده شد. برای تخمین ارزش در معرض ریسک، ابتدا مدلهای CCC، DCC انگل، DCC تز و تسو و DECO-GARCH با استفاده از نرمافزار OxMetrics تخمینزده شدند. سپس با کمینهکردن معیارهای اطلاعاتی و حداکثر راست‌نمایی، مقدار وقفههای بهینه بهدست آمد. پس از تأیید کفایت مدلها، ماتریس واریانس کواریانس آنها برای تخمین ریسک استفاده شد. نتایج نشان داد، گرچه مدل CCC، ماتریس واریانس را بهتر تخمین میزند، مدل DECO-GARCH به‌واسطة به‌کارگیری کاملتر اطلاعات ماتریس همبستگی، بهتر از دیگر مدلها، ارزش در معرض ریسک را محاسبه میکند.
关键词：Conditional Dynamic Equi Correlation ; MGARCH Models ; Value at Risk
其他关键词：ارزش در معرض ریسک;مدل GARCH چند متغیره;همبستگی پویای شرطی
