مدل سازی و پیش بینی نوسانات بازار سهام با استفاده از مدل انتقالی گارچ مارکف
Authors
abstract
در این مطالعه، قدرت برازش و قدرت پیش بینی مجموعه ای از مدل های انتقالی گارچ مارکف sw-garch ، با استفاده از داده های بازار بورس اوراق بهادار تهران، طی سال های 90-1376 مقایسه می شود. در این مقاله، از مدل انتقالی گارچ مارکف برای پیش بینی نوسانات در بازار بورس اوراق بهادار تهران در افق های پیش بینی کوتاه مدت شامل یک روزه و پنج روزه (هفته ای) و دوره بلندمدت شامل ده روزه و 22روزه استفاده شده است. علت استفاده از این مدل ها آن است که برای همۀ شاخص های مدل، امکان چرخش یا انتقال بین دو رژیم پرنوسان و کم نوسان وجود دارد. به همین دلیل، هم توزیع گوسی (نرمال) و هم دو توزیع دنبالۀ پهن ( t -استیودنت و ged ) برای خطاها در نظر گرفته شده است. درجۀ آزادی نیز بین دو رژیم نوسان تغییرپذیر تعبیه شد تا چولگی احتمالی وابسته به زمان نیز در نظر گرفته شود. نتایج تجربی نشان می دهد برای پیش بینی نوسانات بازار سهام ایران، عملکرد مدل های sw - garch با توزیع خطای t و با درجۀ آزادی متغیر بین دو رژیم، بسیار بهتر از مدل های گارچ معمولی است. حتی در برازش و بررسی های داخل نمونه ای نیز این نوع از مدل های انتقالی مارکف، رتبۀ اول را در زمینه قدرت برازش به خود اختصاص دادند.
similar resources
مدلسازی و پیشبینی نوسانات بازار سهام با استفاده از مدل انتقالی گارچ مارکف
در این مطالعه، قدرت برازش و قدرت پیشبینی مجموعهای از مدلهای انتقالی گارچ مارکف SW-GARCH ، با استفاده از داده های بازار بورس اوراق بهادار تهران، طی سالهای 90-1376 مقایسه میشود. در این مقاله، از مدل انتقالی گارچ مارکف برای پیشبینی نوسانات در بازار بورس اوراق بهادار تهران در افقهای پیشبینی کوتاه مدت شامل یکروزه و پنجروزه (هفتهای) و دوره بلندمدت شامل دهروزه و 22روزه استفاده شده است. ع...
full textمدلسازی و پیشبینی نوسانات بازار سهام با استفاده از مدل انتقالی گارچ مارکف
In this study we compare a set of Markov Regime-Switching GARCH models in terms of their ability to forecast the Tehran stock market volatility at different time intervals. SW-GARCH models have been used to avoid the excessive persistence that usually found in GARCH models. In SW-GARCH models all parameters are allowed to switch between a low or high volatility regimes. Both Gaussian and fat-...
full textپیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی
در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...
full textمدلسازی نوسانات بخشهای مختلف بازار سهام ایران با استفاده از مدل گارچ چندمتغیره
این مقاله از یک مدل گارچ چند متغیره برای برآورد همزمان میانگین و واریانس شرطی بازدههای روزانه بخشهای مختلف بازار سهام ایران از 1 تیر 1386 تا 1 تیر 1391 استفاده میکند. از آنجاییکه داراییهای مالی بر اساس این شاخصهای بخشی دادوستد میشوند، مکانیسم انتقال نوسانات در طول زمان و در میان بخشها بهمنظور تصمیمگیری برای تخصیص بهینه سبد مهم است. نتایج بیانگر انتقال معنادار شوکها و نوسانات در میان ...
full textپیش بینی نوسانات بازده طلا با استفاده از مدل گارچ ناپارامتری و مقایسه با مدلهای گارچ پارامتری
تعیین مدلی که پیشبینی بهتری از نوسانات قیمتی در زمینه سرمایهگذاری بدهد، از حوزههای مورد بحث در ادبیات مالی است. در این زمینه مدلهایی ارائه شده و هرکدام مزایا و معایبی دارد. این مدلها به خصوص در زمینه قیمت نفت خام و نرخ ارز مقالاتی را به خود اختصاص میدهد. در سالهای اخیر به دلیل رکود در کشورهای غربی و به تبع آنها در دیگر کشورها داراییهایی از قبیل طلا مورد استقبال سرمایهگذاران قرار گرفت. ...
full textپیش بینی نوسانات بازده طلا با استفاده از مدل گارچ ناپارامتری و مقایسه با مدل های گارچ پارامتری
تعیین مدلی که پیش بینی بهتری از نوسانات قیمتی در زمینه سرمایه گذاری بدهد، از حوزه های مورد بحث در ادبیات مالی است. در این زمینه مدل هایی ارائه شده و هرکدام مزایا و معایبی دارد. این مدل ها به خصوص در زمینه قیمت نفت خام و نرخ ارز مقالاتی را به خود اختصاص می دهد. در سال های اخیر به دلیل رکود در کشورهای غربی و به تبع آنها در دیگر کشورها دارایی هایی از قبیل طلا مورد استقبال سرمایه گذاران قرار گرفت. ...
full textMy Resources
Save resource for easier access later
Journal title:
تحقیقات مدلسازی اقتصادیجلد ۳، شماره ۹، صفحات ۱۱۷-۱۴۱
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023