---

ارزش در معرض خطر و میانگین ارزش در معرض خطر که ریسک بازار را با یک عدد بیان می‌­کنند، دو نوع از مهمترین معیارهای اندازه‌­گیری ریسک مبتنی بر روش‌های آماریدر بازارهای مالی هستند. اخیرا رهیافت مدل­های رگرسیونی خطی نظیر کمترین توان های دوم و چندکی برای برآورد این معیارها ارائه شده است. در این مقاله روش برآورد این دو معیار ریسک با استفاده از مدل رگرسیونی چندکی ترکیبی بررسی می‌­شود. برای مقایسه کارایی مدل ارائه شده با مدل‌های متداول در این زمینه، مطالع شبیه‌سازی انجام شده و در پایان نیز نحوه کاربست مدل­‌ها در قالب مثال کاربردی برای داده‌­هایی از بازار سهام ایران نشان داده خواهد شد.

---

 استفاده از اندازه‌های ریسک دُمی در دهه‌های اخیر بخصوص در صنعت مالی و بانکداری مورد توجه قرار گرفته است. متداولترین آنها ارزش در معرض خطر و ریزش مورد انتظار  هستند.  اخیراً نیز اندازه ریسک دُمی ریزش جینی معرفی شده است، که یک اندازه ریسک ترکیبی است. هدف اصلی این مقاله یافتن ارتباط بین مفاهیم اندازه‌های ریسک دُمی بخصوص ریزش مورد انتظار و ریزش جینی با مفاهیم شاخص‌های نابرابری در اقتصاد و قابلیّت اعتماد است. بررسی ارتباط بین این مفاهیم این امکان را به محقق می‌دهد، که از مفاهیم یکی برای بررسی مفاهیم دیگری استفاده کند. علاوه بر این روابط ریاضی موجود بین  اندازه‌های ریسک دُمی و شاخص‌های مذکور بدست آمده است و برای بعضی از توزیع‌‌ها، این روابط محاسبه شده است. در نهایت برای درک بهتر و آشنایی بیشتر با مفاهیم اندازه‌های ریسک دُمی، از داده‌های واقعی بورس ایران استفاده شده است.

---

ریسک سیستمی، به عنوان یکی از چالش‌های نظام مالی، توجه ویژه‌ای را از سوی سیاست‌گذاران و  سرمایه‌گذاران و محققان به خود جلب کرده است. شناسایی و ارزیابی ریسک سیستمی، جهت افزایش ثبات مالی نظام بانکی اهمیت زیادی دارد. بدین منظور، در این مقاله از روش ارزش در معرض خطر شرطی، جهت ارزیابی ریسک سیستمی برای داده‌های شبیه‌سازی شده و داده‌های نظام بانکی ایران استفاده شده است که در آن میانگین شرطی و واریانس شرطی به ترتیب با مدل‌های 
اتورگرسیو میانگین متحرک و اتورگرسیو مشروط بر ناهمسانی واریانس تعمیم یافته مدل‌سازی شده‌اند. داده‌های مورد مطالعه قیمت روزانه سهام 17 بانک ایران، در بازه زمانی 19 فروردین 1398 تا 11 اردیبهشت 1402 است که شامل مقادیر گمشده در برخی بازه‌های زمانی است. درون‌یابی مقادیر گمشده، با رهیافت صافی کالمن انجام شده است. از توابع مفصل خوشه‌ای که ساختار درختی سلسله مراتبی دارند، برای تشریح وابستگی غیرخطی و سلسله مراتب سرایت ریسک سیستمی بانک‌های مورد مطالعه استفاده شده است. نتایج این مطالعه نشان می‌دهد که بانک تجارت دارای بیشترین ریسک سیستمی است. افزایش ریسک سیستمی علاوه بر وقوع بحران مالی، آثار نامطلوبی بر عملکرد اقتصاد کلان دارد. این نتایج می‌تواند به پیش‌بینی و کاهش اثرات بحران‌های مالی  و مدیریت آن کمک شایانی کند. 

---

  رویدادهای  یک نهاد مالی می‌توانند بر سیستم مالی سایر نهادها  اثر بگذارند،  به همین دلیل ریسک سیستمی که تاثیر بحران  یک نهاد بر  سایر نهادها را بررسی می‌کند، مورد توجه تحلیل‌گران ریسک قرار دارد و از مهم‌ترین  رو‌ش‌های اندازه گیری آن  معیارهای  ارزش در معرض خطر شرطی و کمبود مورد انتظار شرطی است. اگر بین بازدهی دو نهاد مالی وابستگی وجود داشته باشد، می‌توان از توابع مفصل برای بررسی ساختار وابستگی بین آن‌‌ها استفاده کرد. از آنجا که داده‌های  بازدهی  اکثر اوقات  مشاهده می‌شوند در طی زمان دارای نوسانات ناپایدارند، می‌توان از مدل‌های سری زمانی آرما-گارچ برای مدل‌بندی تغییرپذیری نیز استفاده کرد. در این مقاله ارزش در معرض خطر شرطی  برای  چهار  تابع مفصل ارزیابی  سپس بر اساس آن کمبود مورد انتظار شرطی در مدل‌های آرما-گارچ دارای توزیع مانده‌های  خطای تعمیم‌یافته، برآورد شده است. سپس این دو معیار  با بازدهی دو بانک تجارت و  ملت  محاسبه می‌شود.‌

---

محققان با ساخت یک خانواده تعمیم‌یافته از توابع توزیع به دنبال یافتن مدل‌های آماری جدیدی هستند که بتوانند داده‌ها را در موضوعات مختلف نظیر مدیریت ریسک، اقتصاد و بیمه به خوبی برازش کنند. در این مقاله، یک توزیع جدید به نام توزیع لگ لوژستیک  نمایی توسعه‌یافته معرفی می‌شود که جزو توزیع‌های دم‌سنگین است. برخی ویژگی‌های آماری این توزیع از جمله گشتاورها، تابع مولد گشتاور، آنتروپی و منحنی‌های نابرابری  اقتصادی به دست آمده اند. شش روش برآوردیابی برای برآورد پارامترهای مدل معرفی شده و عملکرد برآوردگرهای پارامترهای مدل پیشنهادی با استفاده از مجموعه داده‌های تصادفی و این روش‌های برآورد بررسی شده است. علاوه بر این، برخی معیارهای بیمه‌ای نظیر ارزش در معرض خطر، ارزش در معرض خطر دمی، واریانس دمی و حق بیمه واریانس دمی  محاسبه شده‌اند. در نهایت، دو  مجموعه داده واقعی از حوزه بیمه به کار گرفته شده‌اند تا نشان داده شود که مدل پیشنهادی چگونه داده‌ها را نسبت به بسیاری از مدل‌های شناخته‌شده و مرتبط، بهتر برازش می‌دهد.