DOI: https://doi.org/10.3934/math.2026304
تاريخ النشر: 2026-01-01
المؤلف: Önder Büberkökü
الموضوع الرئيسي: نموذج المخاطر المالية وتقلبات السوق
نظرة عامة
تقدم هذه الدراسة نموذج تقلب عشوائي متقدم، ASV-GHskw، الذي يتضمن الرفع وتوزيع ذو ذيل ثقيل غير متماثل لتحليل عوائد 18 من الأصول المالية، بما في ذلك أسواق الأسهم من منطقة آسيا والمحيط الهادئ وأوروبا، بالإضافة إلى أسواق النفط الخام. باستخدام نهج بايزي مع توزيع t-الطلاب المائل العام، تهدف الدراسة إلى قياس مخاطر السوق السلبية ليوم واحد وفقًا للوائح بازل IV. تظهر النتائج أن نموذج ASV-GHskw يتفوق على نموذج منافس، ASV-st، في ملاءمة البيانات، مما يشير إلى قدرة أفضل على التقاط سلوك التقلب العشوائي وخصائص الذيل للعوائد المالية المدروسة.
تكشف النتائج أن عوائد الأصول المالية تظهر تقلبًا عشوائيًا يميل إلى العودة إلى المتوسط، وتأثير رفع قوي، واستمرار تقلبات عالية. تؤكد الدراسة على أهمية نمذجة التقلب بدقة من أجل إدارة المخاطر المالية بشكل فعال، خاصة للمستثمرين وصانعي السياسات. من خلال اعتماد نموذج ASV-GHskw، يمكن لمديري المخاطر الحصول على فهم أكثر شمولاً لديناميات التقلب، وهو أمر حاسم لاتخاذ قرارات مستنيرة في قياس مخاطر السوق، وإدارة المحافظ، وصياغة استراتيجيات الاستثمار. علاوة على ذلك، يمكن أن تعزز الرؤى التي يوفرها هذا النموذج قدرة صانعي السياسات على تقييم تأثير إجراءات السياسة الاقتصادية على سلوك السوق، مما يحسن فعالية أطر السياسة النقدية التي تهدف إلى الحفاظ على الاستقرار المالي.
مقدمة
تؤكد مقدمة ورقة البحث على الأهمية الحاسمة لفهم تقلب عوائد سوق الأسهم من أجل اتخاذ قرارات مالية فعالة، بما في ذلك تسعير الأصول، وقياس المخاطر، وصياغة السياسات. تشير إلى زيادة كبيرة في تقلب سوق الأسهم العالمي في العقود الأخيرة، مدفوعة بعوامل مثل التغيرات في السيولة، والأحداث الجيوسياسية، وجائحة COVID-19. تبرز الورقة الاهتمام المتزايد في نمذجة وتوقع التقلب، خاصة من خلال نماذج التباين الشرطي الذاتي العام (GARCH) ونماذج التقلب العشوائي (SV)، حيث تفضل نماذج SV لقدرتها على التقاط الديناميات المعقدة للعوائد المالية بدقة أكبر من نماذج GARCH.
يقترح المؤلفون تطبيق نموذج تقلب عشوائي غير متماثل مع توزيع t-الطلاب المائل العام (ASV-GHskw) لتحليل عوائد 18 من الأصول المالية، بما في ذلك أسواق الأسهم وأسواق النفط الخام. يهدف هذا النموذج إلى تحسين قياس مخاطر السوق وفقًا للوائح بازل IV، خاصة من خلال تقدير قيمة المخاطر السلبية (VaR) المتوقعة ليوم واحد والخسارة المتوقعة (ES). تسعى الدراسة أيضًا إلى تقديم رؤى حول خصائص التقلب لكل من الأسواق المتقدمة والناشئة، مما يساهم في فهم أفضل لمخاطر السوق ويساعد المؤسسات المالية وصانعي السياسات في إدارة التقلبات الاقتصادية بشكل فعال. تعد هذه الأبحاث بتحسين الأدبيات الحالية من خلال تطبيق نموذج ASV-GHskw على مجموعة متنوعة من الأصول المالية ومقارنة أدائه مع النماذج التقليدية.
الطرق
توضح قسم الطرق جمع البيانات والتقنيات التحليلية المستخدمة في الدراسة. تفصل مجموعات البيانات المحددة المستخدمة، بما في ذلك مصادرها وخصائصها، لضمان أن البيانات ذات صلة وتمثل أهداف البحث. تشمل المنهجية كل من الأساليب النوعية والكمية، مع تسليط الضوء على الأدوات والنماذج الإحصائية المطبقة لتحليل البيانات بشكل فعال.
بالإضافة إلى ذلك، يؤكد القسم على صرامة الإطار المنهجي، بما في ذلك أي خطوات معالجة مسبقة تم اتخاذها لضمان سلامة البيانات وموثوقيتها. يتم تبرير اختيار الأساليب بالنسبة للأسئلة البحثية المطروحة، وقد يناقش القسم أيضًا أي قيود أو افتراضات متأصلة في المنهجيات المختارة، مما يوفر نظرة شاملة حول كيفية اشتقاق نتائج الدراسة.
النتائج
تكشف النتائج المقدمة في هذا القسم عن رؤى مهمة حول خصائص عوائد سوق الأسهم اليومية عبر مختلف أسواق آسيا والمحيط الهادئ. تشير الإحصائيات الوصفية إلى أن جميع سلاسل عوائد سوق الأسهم، باستثناء هونغ كونغ، تظهر انحرافًا إلى اليسار وتوزيعات ذات ذيل ثقيل، مع قيم كورتوز تتراوح من 3.793 إلى 18.662. تؤكد مخططات QQ أن هذه العوائد تنحرف عن التوزيع الطبيعي، مما يشير إلى ملاءمة توزيع GHskw المائل لنمذجة. كما تبرز النتائج كفاءة مخطط تقدير MCMC المقترح، خاصة في سياق استمرار التقلب، مع الإشارة إلى أن المعامل $\phi$ يدل على سلوك العودة إلى المتوسط عبر الأسواق، ويتراوح من 0.9473 إلى 0.9781.
تكشف التحليلات الإضافية عن أدلة قوية على تأثيرات الرفع، حيث يكون للصدمات السلبية تأثير أكثر وضوحًا على التقلبات مقارنة بالصدمات الإيجابية. تكون المتوسطات اللاحقة لمعامل التقلب $\sigma$ هي الأعلى لسوق الأسهم اليابانية، مما يدل على تباين أكبر في الاستجابة للصدمات. بالإضافة إلى ذلك، يعكس المعامل $\beta$ انحرافًا سلبيًا عبر جميع الأسواق، حيث تظهر الأسواق الأسترالية والتايوانية أكبر عدم تماثل. تؤكد النتائج على أهمية استخدام نموذج ASV-GHskw بدلاً من نموذج ASV-st، حيث يوفر ملاءمة أفضل ويعكس تعقيدات سلوك السوق، خاصة خلال الأحداث الاقتصادية الكبيرة. تشير الآثار المترتبة على تحليل مخاطر السوق وفقًا للوائح بازل III و IV إلى أن متطلبات رأس المال أعلى بشكل ملحوظ بموجب بازل IV، خاصة بالنسبة للأسواق الصينية واليابانية والسوق السنغافورية، مما يبرز الحاجة إلى نماذج أكثر تعقيدًا في تقييم المخاطر.
النقاش
في هذا القسم، تناقش الدراسة تطبيق نماذج ASV-GHskw و ASV-st لتحليل عوائد سوق الأسهم اليومية عبر عشرة أسواق في منطقة آسيا والمحيط الهادئ، تتكون من خمس اقتصادات ناشئة وخمس اقتصادات متقدمة. تؤكد الدراسة على النمو السريع لأسواق الأسهم الآسيوية منذ منتصف التسعينيات، مدفوعة بعوامل مثل التحرير المالي والتقدم التكنولوجي. تبرز أهمية فهم سلوك التقلب في هذه الأسواق، خاصة في ضوء الأزمات المالية العالمية الأخيرة والتوترات الجيوسياسية، التي زادت من خطر العدوى المالية عبر الحدود. يغطي التحليل عقدًا من البيانات من يناير 2013 إلى ديسمبر 2022، خلال فترة حدثت فيها اضطرابات سوقية كبيرة، بما في ذلك جائحة COVID-19 وصراع روسيا وأوكرانيا.
تكشف النتائج أن نموذج ASV-GHskw يتفوق على نموذج ASV-st، مما يظهر قدرة أفضل في التقاط ديناميات التقلب العشوائي للعوائد المالية التي تتميز بتوزيعات ذات ذيل ثقيل ومائل. تستخدم الدراسة معايير اختيار النموذج بايزي، وتحديدًا عامل بايز، للتحقق من أداء النموذج. بالإضافة إلى ذلك، توسع الدراسة تحليلها ليشمل أسواق الأسهم الأوروبية وعوائد النفط الخام، مؤكدة نتائج مماثلة بشأن استمرار التقلب وتأثير الرفع. الآثار المترتبة على هذه النتائج مهمة لمديري المخاطر وصانعي السياسات، حيث تؤكد على ضرورة استخدام نماذج متقدمة مثل ASV-GHskw من أجل إدارة المخاطر الفعالة واستراتيجيات الاستثمار، خاصة خلال فترات الاضطراب في السوق.
DOI: https://doi.org/10.3934/math.2026304
Publication Date: 2026-01-01
Author(s): Önder Büberkökü
Primary Topic: Financial Risk and Volatility Modeling
Overview
This study introduces an advanced stochastic volatility model, the ASV-GHskw, which incorporates leverage and an asymmetrically heavy-tailed distribution to analyze 18 financial asset returns, including stock markets from Asia-Pacific and Europe, as well as crude oil markets. Utilizing a Bayesian approach with a generalized hyperbolic skew student’s t-distribution, the research aims to measure one-day-ahead downside market risk in accordance with Basel IV regulations. The findings demonstrate that the ASV-GHskw model outperforms a competing model, ASV-st, in fitting the data, indicating a superior ability to capture the stochastic volatility behavior and tail characteristics of the examined financial returns.
The results reveal that financial asset returns exhibit mean-reverting stochastic volatility, a strong leverage effect, and high volatility persistence. The study emphasizes the importance of accurately modeling volatility for effective financial risk management, particularly for investors and policymakers. By adopting the ASV-GHskw model, risk managers can gain a more comprehensive understanding of volatility dynamics, which is crucial for informed decision-making in market risk measurement, portfolio management, and the formulation of investment strategies. Furthermore, the insights provided by this model can enhance policymakers’ ability to evaluate the impact of economic policy actions on market behavior, thereby improving the effectiveness of monetary policy frameworks aimed at maintaining financial stability.
Introduction
The introduction of the research paper emphasizes the critical importance of understanding stock market return volatility for effective financial decision-making, including asset pricing, risk measurement, and policy formulation. It notes a significant increase in global stock market volatility in recent decades, driven by factors such as changes in liquidity, geopolitical events, and the COVID-19 pandemic. The paper highlights the growing interest in modeling and forecasting volatility, particularly through Generalized Autoregressive Conditional Heteroskedasticity (GARCH) and Stochastic Volatility (SV) models, with SV models being favored for their ability to capture the complex dynamics of financial returns more accurately than GARCH models.
The authors propose the application of an Asymmetric Stochastic Volatility model with a generalized hyperbolic skewed Student’s t-distribution (ASV-GHskw) to analyze 18 financial asset returns, including stock and crude oil markets. This model aims to improve market risk measurement under Basel IV regulations, particularly through the estimation of one-day-ahead downside Value-at-Risk (VaR) and Expected Shortfall (ES). The study also seeks to provide insights into the volatility characteristics of both developed and emerging markets, contributing to a better understanding of market risk and aiding financial institutions and policymakers in managing economic fluctuations effectively. The research promises to enhance the existing literature by applying the ASV-GHskw model to a diverse set of financial assets and comparing its performance against traditional models.
Methods
The section on methods outlines the data collection and analytical techniques employed in the study. It details the specific datasets utilized, including their sources and characteristics, ensuring that the data is relevant and representative of the research objectives. The methodology encompasses both qualitative and quantitative approaches, highlighting the statistical tools and models applied to analyze the data effectively.
Additionally, the section emphasizes the rigor of the methodological framework, including any preprocessing steps taken to ensure data integrity and reliability. The choice of methods is justified in relation to the research questions posed, and the section may also discuss any limitations or assumptions inherent in the chosen methodologies, providing a comprehensive overview of how the study’s findings were derived.
Results
The results presented in this section reveal significant insights into the characteristics of daily stock market returns across various Asia-Pacific markets. Descriptive statistics indicate that all stock market return series, except for Hong Kong, exhibit left skewness and heavy-tailed distributions, with excess kurtosis values ranging from 3.793 to 18.662. QQ-plots confirm that these returns deviate from normal distribution, suggesting the appropriateness of the skewed generalized hyperbolic (GHskw) distribution for modeling. The findings also highlight the efficiency of the proposed MCMC estimation scheme, particularly in the context of volatility persistence, with the parameter $\phi$ indicating mean-reverting behavior across markets, ranging from 0.9473 to 0.9781.
Further analysis reveals strong evidence of leverage effects, with negative shocks having a more pronounced impact on volatility than positive shocks. The posterior means of the volatility parameter $\sigma$ are highest for Japan’s stock market, indicating greater variability in response to shocks. Additionally, the parameter $\beta$ reflects negative skewness across all markets, with the Australian and Taiwanese markets exhibiting the most pronounced asymmetry. The results underscore the importance of using the ASV-GHskw model over the ASV-st model, as it provides better fit and captures the complexities of market behavior, particularly during significant economic events. The implications for market risk analysis under Basel III and IV regulations suggest that capital requirements are notably higher under Basel IV, especially for the Chinese, Japanese, and Singaporean markets, emphasizing the need for more sophisticated models in risk assessment.
Discussion
In this section, the research discusses the application of the ASV-GHskw and ASV-st models to analyze daily stock market returns across ten Asia-Pacific markets, comprising five emerging and five developed economies. The study emphasizes the rapid growth of Asian stock markets since the mid-1990s, driven by factors such as financial liberalization and technological advancements. It highlights the importance of understanding volatility behavior in these markets, particularly in light of recent global financial crises and geopolitical tensions, which have heightened the risk of cross-border financial contagion. The analysis covers a decade of data from January 2013 to December 2022, during which significant market disruptions occurred, including the COVID-19 pandemic and the Russia-Ukraine conflict.
The findings reveal that the ASV-GHskw model outperforms the ASV-st model, demonstrating superior capability in capturing the stochastic volatility dynamics of financial returns characterized by heavy-tailed and skewed distributions. The study employs Bayesian model selection criteria, specifically the Bayes factor, to validate the model’s performance. Additionally, the research extends its analysis to European stock markets and crude oil returns, confirming similar results regarding volatility persistence and the leverage effect. The implications of these findings are significant for risk managers and policymakers, as they underscore the necessity of utilizing advanced models like ASV-GHskw for effective risk management and investment strategies, particularly during periods of market turbulence.