ارزیابی خانواده مدل های GARCH در پیش بینی نوسانات بازار سهام (مطالعه موردی: بازار بورس اوراق بهادار تهران)

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,178

This Paper With 18 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:

AEFMC01_320

تاریخ نمایه سازی: 18 دی 1393

Abstract:

پیش بینی نوسانات بازدهی سهام به دلیل اهمیت آن در قیمت گذاری دارایی های مالی و نیز مدیریت ریسک ناشی از نوسانات،یکی از مهمترین موضوعات مطالعاتی به ویژه در بازارهای مالی می باشد. پس از معرفی مدل واریانس ناهمسان شرطی مشخصشد که این مدل و خانواده های آن علاوه بر قدرت بالا در پیش بینی نوسانات، به خوبی قادر به بیان ویژگی های بازدهی از جملهکشیدگی مازاد نسبت به توزیع نرمال، نوسانات خوشه ای و اثر اهرمی می باشد. مقاله حاضر، با استفاده از داده های ماهانه شاخص کل طی دورهی زمانی 1370:01 تا 1392:03 در جستجوی مدلی با بهترین عملکرد از میان مدلهای خانواده واریانس ناهمسان شرطی شامل EGARCH ، TGARCH ، GARCH و PGARCH همچنین، مناسبترین توزیع از بین توزیع های نرمال، t و خطای عمومی (GED) برای اجزاء خطا، در پیشبینی نوسانات می باشد. یافته های این تحقیق نشان می دهد بر اساس معیارهای جذر میانگین مربعات خطاهای پیش بینی (RMES) و ضریب نابرابری تایل (TIC)، اولاً توزیع های t و خطای عمومی به دلیل در نظر گرفتن کشیدگی مازاد سری بازدهی عملکرد بهتری را در پیش بینی نسبت به توزیع نرمال از خود نشان می دهند. ثانیاً بهترین عملکرد در پیشبینی نوسانات به ترتیب مربوط به مدل های PGARCH و GARCH با فرض توزیع t و بدترین عملکرد به ترتیب مربوط به مدل های EGARCH و TGARCH با فرض توزیع نرمال می باشد. همچنین، بر اساس سایر نتایج تحقیق حاضر، سری بازدهی نسبت به توزیع نرمال کشیده تر است. بنابراین، بروز بازدهی های ناگهانی از نظر عوامل بازار محتمل تر می باشد. بعلاوه، بازدهی در طول زمان دارای نوسانات خوشه ای است. همچنین، شواهدی مبنی بر وجود اثر اهرمی در بازار بورس اوراق بهادار تهران وجود ندارد.

Authors

سعید راسخی

دانشیار و عضو هیات علمی دانشگاه مازندران

امیر خانعلی پور

کارشناس ارشد اقتصاد و کارشناس اعتباری بانک سامان

فاطمه خسروانی

کارشناس ارشد حسابداری و مدرس دانشگاه جامع علمی کاربری

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 :
  • ابونوری، اسمعیل و مانی موتمنی. 1386. بررسی اثر اهرمی در ...
  • نقش اخبار خوب و بد در نوسانات بازدهی سهام در ایران [مقاله ژورنالی]
  • The Accounting, Economics and Financial Management ConFerence 9-5 آبان ماه ...
  • The Accounting, Economics and Financial Management ConFerence 9-5 آبان ماه ...
  • Adjaoute, K., M. Bruand, and R. Gibson-Asner 1998. On _ ...
  • Bachelier, L. 1900. Theory Speculation. Reprinted in the Random Character ...
  • Balaban, E. 2000. Forecasting Stock Market Volatility: Evidence from Turkey. ...
  • Black. F. 1976. Studies of Stock Price Volatility Changes, Proceedings ...
  • Bluhm, H. and J. Yu. 2000. Forecasting Volatility: Evidence from ...
  • Bollerslev, T. 1986. Generalized Autoregressive Conditional Hetero skedasticity. Journal _ ...
  • Bollerslev, T., R. F. Engle and D. B. Nelson. 1994. ...
  • Brailsford, T. J. and R. W. Faff. 1996. An Evaluation ...
  • Cont, R. 2001. Empirical Properties of Asset Returns: Stylized Facts ...
  • Cont, R. 2005. Long Range Dependence in Financial Markets. in ...
  • Cont, R. 2007. Volatility Clustering in Financial Markets: Empirical Facts ...
  • Danielsson, S. 1996. Multivariate Stochastic Volatility Models: Estimation and a ...
  • Dimson, E. and P. Mars. 1990. Volatility Forecasting Without Data- ...
  • Ding, Z., C.W.J. Granger and R.F. Engle 1993. A Long ...
  • Engel, R. 2004. Risk and Volatility: Econometric Models and Financial ...
  • Engle, R. F. 1982. Autoregressive Conditional H etero scedasticity with ...
  • Fama. E.F 1965. The Behavior of Stock Market Prices. Journal ...
  • Fishe, R., T. Gonsnell and D. Lasser .1993 Good News, ...
  • Franses, P. H. and H. Ghijsels. 1999. Additive Outliers, GARCH ...
  • Frenberg, P. and B. Hansson. 1996. An Evaluation of Alternative ...
  • Glosten, L., R. Jagannathan and D. Runkle. 1993. On the ...
  • He, C. and T. Terasvirta .1999b. Properties of the Auto ...
  • Hentschel, L. 1995. _ in the Family: Nesting symmetric and ...
  • Higgins, M.L. and A.K. Bera. 1992. A Class of Nonlinear ...
  • Kirchler, M., & J. Huber. 2005. Testing for Stylized Facts ...
  • Lakonishock J. and S. Smidt. 1988. Are Seasonal Anomalies Real? ...
  • Loudon, G. W. Watt and P. Yadav 2000. An Empirical ...
  • Magnus, Frimpong Joseph and Fosu, Oteng-abayie Eric 2006. Modeling and ...
  • Mandelbrot, B. 1963. The Variation of Certain Speculative Prices. Journal ...
  • Mandelbrot, B. and H. Taylor. 1967. On the Distribution of ...
  • McKenzie M D., and H. Mitchell. 2002 Generalized Asymmetric Power ...
  • Nelson, D. B. 1991. Conditional Hetero skedasticity in Asset Returns: ...
  • Pan, Hongyu and Zhichao Zhang, 2006. Forecasting Financial Volatility: Evidence ...
  • Poon, S. and C. Granger. 2003. Forecasting Volatility in Financial ...
  • Rydberg, T. H. 2000. Realistic statistical modeling of financial data. ...
  • Schatzberg, J. and P. Datta .1992. The Weekend Effect and ...
  • Schwert, G.W., 1989. Why Does Market Volatility Change Over Time?, ...
  • Sonmaz Saryal, Fatma. 2007. Does Inflation Have an Impact on ...
  • Taylor, S. 1986. Modeling Financial Time Series. John Wiley and ...
  • Terasvirta, T. 2006. An Introduction to Univariate GARCH Models. SSE/EFI ...
  • Tse, S. H. and K. S. Tung 1992. Forecasting Volatility ...
  • Tse, Y. K. 1991. Stock Returs Volatility in the Tokyo ...
  • Walsh, D. and G. Tsou. 1998. Forecasting Index Volatility: Sampling ...
  • Yu, J., 2002. Forecasting Volatility in the New Zealand Stock ...
  • Zakoian, J.-M. 1994. Threshold Hetero skedastic Models. Journal of Economic ...
  • Zlatko, Kovacic .2007. Forecasting Volatility: Evidence from the Macedonian Stock ...
  • نمایش کامل مراجع