رضا تهرانی - دانشیار مدریت مالی، دانشگاه تهران
آذر حمیدی - کارشناس ارشد مدیریت مالی
امیر خانعلی پور - کارشناس ارشد اقتصاد
سمانه نیکوکار - کارشناس ارشد مدیریت مالی

با توجه به اهمیت بازارهای مالی و بویژه بازار سهام در تامین مالی شرکتها، و نقش و اهمیت نوسانات موجود در بازار سهام ونیز، وقوع بحرانهای مالی متعدد در تاریخ اقتصاد دنیا و تاثیرپذیری احتمالی بازار سهام از بحرانهای مذکور، تحقیق حاضرمدلسازی نوسانات و پیشبینی آن و نیز تاثیر بحرانهای مالی بر بازار سهام را مساله اصلی خود قرار داده است. بدین منظورتحقیق حاضر به دنبال پاسخ به این سوالات است که آیا نوسانات بازده شاخص قیمت بورس اوراق تهران دچار شکست ساختاری بوده است؟ و آیاقدرت پیش بینی مدل های GARCH با در نظر گرفتن نقاط شکست ساختاری افزایش می یابد؟ لذا با استفاده از داده های روزانه از تاریخ 1387/01/05 تا 1393/03/31 با استفاده از الگوریتم ICSS ابتدا روزهایی که در آنها الگوی نوسانات دچار شکست ساختاری شده اند، شناسایی گردید. در مرحله بعد، جهت برآورد میزان تاثیرگذاری احتمالی نقاط شکست شناسایی شده در الگوی نوسانات، به تعداد نقاط شکست متغیر مجازی (D(1), ...D(10 را تعریف کرده که در آن متغیر مجازی در روز شکست و روزهای بعد آن عدد یک و در روزهای قبل شکست عدد صفر را اختیار می کند. سپس متغیرهای مذکور در معادله واریانس مدل ARFIMA-FIGARCH و RMA-FIGARCH قرار گرفته که نتایج آن حاکی از آن است که در هر دو مدل ARMA-GARCH و ARFIMA-FIGARCH صرفا از متغیرهای مجازی مذکور صرفا متغیرهای D2 و D3 که نشاندهنده وجود شکست ساختاری در الگوی نوسانات در روزهای 1387/03/20 و 1387/05/02 میباشد. به لحاظ آماری معنیدار نبوده و سایر متغیرهای مجازی به لحاظ آماری از سطح معنیداری بالایی برخوردار میباشد. لذا، نمیتوان فرضیه صفر مبنی بر اینکه الگوی نوسانات بازده شاخص قیمت کل بورس اوراق بهادار تهران دچار شکست ساختاری بوده را رد نمود.همچنین نتایج تحقیق در خصوص فرضیه دوم تحقیق و جهت پیش بینی بازدهی نتایج تحقیق حاکی از آن است که در نظرگرفتن نقاط شکست در الگوی نوسانات منجر به بهبود معیارهای عملکرد پیش بینی شده است. بطوریکه معیارهای ارزیابی عملکرد پیشبینی در مدل های ARMA-GARCH و ARFIMA-FIGARCH با در نظر گرفتن نقاط شکست مقداری کمتری نسبت به زمانی که نقط شکست در نظر گرفته نمی شود، اختیار می کنند.

شکست ساختاری، مدلسازی و پیش بینی، بازدهی و نوسانات، AFRIMA-FIGARCH، ICSS