استفاده از برآورد دم غیرفیلتر غیر شرطی^[۲۴۴] در روش ریزش انتظاری نتایج مناسبتری نسبت به VaR با توزیع نرمال می‌دهد

کاستلو و همکاران ( ۲۰۰۸ )

مدل GARCH نیمه پارامتریک پیش بینی دقیق تری را در مورد VaR ارائه می‌دهد. آنها دلیل این امر را قابلیت مدل GARCH در توجیه پدیده نوسانات خوشه‌ای می‌دانند

هانگ و همکاران (۲۰۰۸)

توزیع‌های با دم پهن، کاربرد بیشتری برای تخمین VaR در حوزه فرآورده‌های انرژی دارند

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

فان و همکاران (۲۰۰۸)

معیار VaR مبتنی بر مدل GED-GARCH کارایی بیشتری نسبت به خانواده مدل‌های HSAF (نظیر شبیه‌سازی تاریخی همراه با ARMA) دارد. علاوه‌براین این روش از واقع‌بینی و جامعیت بیشتری نسبت به مدل VaR مبتنی بر توزیع‌ نرمال استاندارد برخوردار است.

لیو و همکاران (۲۰۰۹)

در مطالعه‌ای VaR روزانه بازدهی صندوق‌های فعال در بازار بورس تایوان با بهره گرفتن از مدل‌های متقارن GARCH و نامتقارنGJR –GARCH مورد بررسی قرار دادند. مدل‌های GJR-t/GARCH-HT تکنیک‌های مناسبی برای این تحقیق بودند.

هاس و همکاران (۲۰۰۹)

از طبقه مدل‌های GARCH ترکیبی نرمال، یک تعمیم چند متغیره نامتقارن را توسعه داند. این مدل عملکرد مناسبی در محاسبه VaR خارج از نمونه داشت.

یوشیدا(۲۰۰۹)

مدل پرتفوی ارزش در معرض ریسک را تحت وضعیت نااطمینانی توضیح داد. در این مدل بر مبنای فازی سازی اعداد و تصادفی نمودن آنها بر اساس الگوی انتظارات احتمالات و ارزش میانگین بدست آمد.

دِگراو (۲۰۰۹)

VaR را برای موقعیت‌های بلندمدت و کوتاه‌مدت بازار نفت مدل‌سازی کردند. مدل GARCH(1, 1)-t نتایج مناسب‌تری نسبت به سایر دارد.

سو و هنگ (۲۰۱۰)

با بهره گرفتن از روش‌های نمونه‌گیری مهم یک بازنمایی مجانبی برای برآوردگرهای VaR و CVaR استخراج نمودند

آلوی و مابروک (۲۰۱۰)

مدل‌های دارای حافظه بلندمدت و دم پهن و نامتقارن عملکرد بهتری در پیش‌بینی VaR یک روزه در هر دو موقعیت معاملاتی خرید و فروش دارند.

سرینانداکومار و سیلواپو(۲۰۱۰)

مدل GARCH (1, 1) با با توزیع تی- استیودنت نتایج مناسب و قابل تفسیری از تخمین ارزش در معرض ریسک بازدهی روزانه نشان می‌دهد.

چن و لو (۲۰۱۰)

VaR خودرگرسیو شرطی ((CAViaR) و تخمین مبتنی بر NIG تخمین دقیق و قوی‌تری از VaR معمولی برای بازه یکروزه ارائه می‌دهند

سو وهمکاران (۲۰۱۱)

بعد از مقایسه VaR تحت ۵ مدل مختلف، دریافتند که مدل GARCH هنوز به عنوان یک معیار مناسب در تعیین ریسک بشمار می‌آید.

سو وهمکاران (۲۰۱۱)

مدل GJR-GARCH تخمین بهتری از VaR در مقایسه با GARCH دارد.

ونگ و تراک (۲۰۱۱)

دو متد VaR پارامتریک و شبیه‌ساز تاریخی را مورد مقایسه قرار دادند. نتایج نشان می‌دهد که VaR پارامتریک نتایج مناسب‌تری از مشاهدات گذشته خود دارد.