Review of Econometric Models Applicable to Hedge Fund Returns Capturing Serial Correlation and Illiquidity

دسته بندی: اقتصاد
ویرایش:  
نویسندگان: Dubrana L.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 46 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 451 کیلوبایت 

قیمت کتاب (تومان) : 48,000

پاریس: Ecole Nationale des Ponts et Chaussées, 2010. - 46p. بازده صندوق های تامینی اغلب به دلیل مواجهه با کمبود نقدینگی با توجه به اینکه سرمایه گذاری در چنین اوراق بهاداری تمایل دارد به طور زنجیره ای همبستگی بالایی دارد. به صورت غیر فعال معامله شود و قیمت های بازار مرتبط همیشه به راحتی در دسترس نیستند. به دنبال آن، بازده مشاهده‌شده چنین سرمایه‌گذاری‌های جایگزین نسبت به بازده مشاهده‌نشده واقعی هموارتر است، که در واقع، معیارهای ریسک مانند نوسانات (یعنی انحراف استاندارد) را دست کم می‌گیرند. برای در نظر گرفتن چنین همبستگی سریالی و عدم نقدشوندگی، ما سه مدل اقتصادسنجی پیشنهاد می‌کنیم. اولین مدل که به عنوان مدل پیاده‌روی تصادفی با توزیع نرمال ورود به سیستم با پارامترهای متغیر زمان شناخته می‌شود، عمدتاً در صنعت ریسک برای اهداف Value-at-Risk4 استفاده می‌شود. هدف اصلی آن، در زمینه ما، استخراج ویژگی‌های خاص بازده صندوق تامینی با به چالش کشیدن و بی‌اعتبار کردن مفروضات آن است (یعنی فرض نرمال بودن و وجود همبستگی خودکار بین بازده و همچنین مربع‌های آنها). دو مورد بعدی که به ترتیب به عنوان Blundell-Ward و Getmansky، Lo و Markarov Model نامیده می شوند، هر دو شامل یک فرآیند غیر هموار هستند و یک مدل پیش بینی برای نوسانات را در بر می گیرند. با این حال، پیشینه ریاضی آنها در یک چشم انداز کاملا متفاوت قرار دارد. آخرین اما نه کم‌اهمیت، ما برای هر دو توسعه مدل مناسب پیشنهاد می‌کنیم (یعنی یک مدل سوئیچینگ مارکوف برای بلوندل-وارد و همبستگی سریال شرطی برای گتمانسکی، لو و مارکاروف) که با توجه به محدودیت‌های ناشی از استاندارد واقعی خود، یک پیش‌بینی نوسان برتر ارائه می‌دهد. فرمالیسم ریاضی

Paris: Ecole Nationale des Ponts et Chaussées, 2010. - 46p. Hedge Fund returns are often highly serially correlated mainly due to illiquidity exposures given that investments in such securities tend to be inactively traded and associated market prices are not always readily available. Following that, observed returns of such alternative investments tend to be smoother than true unobserved returns, which, in fact, turn out to underestimate risk measures such as volatility (i.e. standard deviation). In order to encompass for such serial correlation and illiquidity, we propose three econometric models. The first model referred to as the log-normally distributed random walk model with time varying parameters is largely used in the risk industry for Value-at-Risk4 purposes. Its main goal, in our context, is to derive specific characteristics of Hedge Fund returns by challenging and invalidating its assumptions (i.e. lognormality assumption and presence of autocorrelation between returns as well as their squares). The next two, referred to as the Blundell-Ward and the Getmansky, Lo and Markarovmodel respectively, both encompass an unsmoothing process and incorporate a predictive model for volatility. However, their mathematical background lies on a diametrically different perspective. Last but not the least, we propose for both an adequate model extension (i.e. a Markov-switching model for Blundell-Ward and conditional serial correlation for Getmansky, Lo and Markarov) that provide a superior volatility forecasting given the limitations arising within their actual standard mathematical formalism.