تشخیص نقطه بازگشت به میانگین بر پایه چندک های توزیع مقادیر غایی: شواهدی از بازارهای ایران و جهان

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 168

This Paper With 17 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_DMOR-6-2_008

تاریخ نمایه سازی: 31 شهریور 1400

Abstract:

هدف: تصمیم گیری در مورد وجود ویژگی بازگشت به میانگین در داده های مالی توجه بسیاری از محققان را به خود جلب کرده و آزمون های متفاوتی برای بررسی وجود این ویژگی در داده ها مطرح شده اند، اما باتوجه به ماهیت بسیار متغیر بازارهای مالی در دوره های زمانی مختلف، هریک از این آزمون ها عموما نتایج متفاوتی را ارائه می دهند و از طرفی، تحلیل های نظری دقیقی در راستای چگونگی تشخیص نقاط بازگشت به میانگین در هر لحظه از فرایند نیز انجام نشده است. در این تحقیق به ارائه روشی برای تشخیص نقاط بازگشت به میانگین در داده های مالی پرداخته شد. این روش می تواند به عنوان یک معیار تصمیم گیری برای ورود به بازار و یا خروج از آن در استراتژی های معاملاتی مبتنی بر نوسانات باشد.روش: داده های تاریخی قیمت جهانی طلا، بیت کوین، نسبت یورو به دلار، شاخص بورس تهران، نرخ ارز (دلار) و قیمت سکه طلا طی دوره ۲۰۱۳-۲۰۲۰ و اتریوم طی دوره ۲۰۱۶-۲۰۲۰ جمع آوری و مورد تجزیه و تحلیل قرار گرفت. ابتدا فرضیه وجود ویژگی بازگشت به میانگین از طریق دو آزمون دیکی فولر افزوده و توان هرست مورد آزمون قرار گرفته و  به منظور تشخیص نقاط بازگشت به میانگین در هر لحظه از مسیر فرایند، ماکسیمم فاصله داده ها با مقدار میانگین-متحرک آن در هر لحظه از طریق توزیع گامبل مدل سازی شد.یافته ها: نتایج نشان داد که آزمون های  دیکی فولر افزوده و توان هرست  نتایج متفاوتی در تشخیص این ویژگی ارائه می دهند.  همچنین نتایج از طریق برآورد چندک های ۹۵% توزیع نشان داد که تشخیص این نقاط با استفاده از چندک توزیع مقادیر غایی (گامبل) حداقل در ۷۸/۴۷ درصد (۵/۵۷ درصد بدون درنظر گرفتن بیت کوین) و حداکثر در ۸۵/۹۲ درصد مشاهدات، صحیح بوده است.  نتایج آزمون نسبت برای ارزیابی میزان صحت نقاط شناسایی شده نشان داد که تشخیص این نقاط در فرایند، تصادفی نبوده و تئوری مطرح شده در خصوص شناسایی این نقاط به طور مطلوبی عمل می کند. بهینه سازی نتایج بر پایه تحلیل های بیشتر نیز مورد انتظار است.نتیجه گیری:  تشخیص نقاط متوالی بازگشت به میانگین را می توان نشانه ای از تشکیل حباب قیمت در بازارهای سرمایه دانست. از این رو توزیع مقادیر غایی در ماکسیمم های متوالی اختلاف قیمت از روند همچنین می تواند یک توزیع مناسب برای تشخیص تشکیل حباب باشد.

Authors

حسین مهاجر

گروه آمار، دانشکده علوم ریاضی، دانشگاه مازندران، بابلسر، ایران.

افشین فیاض موقر

گروه آمار، دانشکده علوم ریاضی، دانشگاه مازندران، بابلسر، ایران.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Ahmed, R. R., Vveinhardt, J., Streimikiene, D., & Channar, Z. ...
  • Chan, E. (۲۰۱۳). Algorithmic trading: winning strategies and their rationale (Vol. ۶۲۵). ...
  • Coles, S. (۲۰۰۳). An introduction to statistical modeling of extreme ...
  • Fama, E. F. (۱۹۶۵). The behavior of stock-market prices. The journal ...
  • Gbenro, N., & Moussa, R. K. (۲۰۱۹). Asymmetric mean reversion ...
  • Kuttu, S. (۲۰۱۸). Asymmetric mean reversion and volatility in African ...
  • Wu, Y., & Lux, N. (۲۰۱۸). UK house prices: bubbles ...
  • نمایش کامل مراجع