بررسی الگوهای واریانس ناهمسانی شرطی به منظور مدلسازی نوسان بازده اوراق بهادار در بازارهای مالی

امروزه پیش بینی و مدل سازی نوسان (تلاطم) بازده در بازارهای مالی به دلیل استفاده گسترده آن در محاسبه ارزش در معرض خطر (VAR) ، مدل های تخصیص بهینه منابع در پورتفوی سرمایه گذاری، مدیریت سرمایه گذاری و قیمت گذاری اوراق مشتقه از اهمیت بالایی برخوردار است. مدل های نوسان شرطی (Conditional Volatility Models) به ویژه در حوزه مالی و اقتصاد برای مدلسازی نوسان بازده اوراق بهادار کاربرد فراوانی دارند. این مدل ها به تحلیلگران و سرمایه گذاران کمک می کنند تا رفتار نوسانات بازار را در شرایط مختلف اقتصادی و زمانی پیش بینی کنند. یکی از معروف ترین مدل های نوسان شرطی، مدل خودرگرسیو شرطی هتروسکداسیتی (ARCH) و تعمیم آن، مدل GARCH (Generalized ARCH) است. این مدل ها قادرند نوسانات غیرثابت و وابسته به زمان را در سری های زمانی بازده شناسایی کنند. استفاده از این مدل ها به پیش بینی نوسانات آتی کمک می کند که برای مدیریت ریسک و تصمیم گیری های سرمایه گذاری بسیار مهم است. به ویژه در بازارهای مالی که نوسانات می تواند تاثیر زیادی بر قیمت ها داشته باشد. مدل های نوسان شرطی به تحلیلگران اجازه می دهند تا ریسک های مرتبط با سرمایه گذاری در اوراق بهادار از جمله محاسبه واریانس شرطی و معیارهای ریسک مانند ارزش در معرض ریسک را بهتر درک و مدیریت کنند. بسیاری از پژوهش ها نشان داده اند که مدل های نوسان شرطی می توانند به طور موثری نوسانات بازار را توضیح دهند و پیش بینی های دقیقی ارائه دهند. این موضوع به بهبود استراتژی های سرمایه گذاری و مدیریت پرتفوی کمک می کند. با پیشرفت های اخیر در علم داده و یادگیری ماشین، مدل های نوسان شرطی جدیدی مانند GARCH-M، EGARCH و TARCH توسعه یافته اند که می توانند ویژگی های خاصی از داده ها را بهتر مدل سازی کنند.

بررسی الگوهای واریانس ناهمسانی شرطی به منظور مدلسازی نوسان بازده اوراق بهادار در بازارهای مالی Keywords:

آرچ , گارچ , نوسان بازده , شاخص کل , واریانس ناهمسانی شرطی