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:
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.
Keywords:
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 :