اجزاء موقت و دائمی بازدهی سهام: کاربردی از مدل های فضا- حالت با واریانس ناهمسانی راه گزینی مارکف
Authors
abstract
در این مقاله رفتار بازدهی کل سهام با استفاده از مدل ناهمسانی واریانس راه گزینی مارکف (mrsh) در قالب یک مدل فضا-حالت مورد بررسی قرار گرفته است. این مدل تغییرات رژیمی داده ها را در نظر می گیرد و این امکان را فراهم می کند که اجزاء موقت و دائمی بازدهی سهام را از هم تفکیک نماییم. در این مطالعه از داده های ماهانه کل بازدهی سهام بازار بورس اوراق بهادار تهران از تیر ماه 1379 تا مهر ماه 1392 استفاده شده است. نتایج این مطالعه، نشان می دهد که استمرار رژیم واریانس بالا برای جزء دائمی ماهیتی کوتاه مدت دارد و به سرعت به سطح طبیعی بازگشت می نماید ولی برای جزء موقتی این موضوع برعکس می باشد، در جزء دائمی بازدهی سهام حالت واریانس پایین در طول دوره مورد بررسی حاکم می باشد ولی برای جزء موقتی حالت واریانس بالا صادق می باشد.
similar resources
اجزاء موقت و دائمی بازدهی سهام: کاربردی از مدلهای فضا- حالت با واریانس ناهمسانی راه گزینی مارکف
In this study by using Markov Regime Switching Heteroscedasticity Models (MRSH) in the form of state-space model the behavior of stock returns is examined. This approach endogenously permits the volatility to switch as the date and regime change and allows us to decompose the permanent and transitory component of stock returns. The period of the study is the fourth month of 2000 to the seventh ...
full textبررسی رابطه بین تورم و نااطمینانی تورم در کوتاه مدت و بلندمدت: کاربردی از مدل های فضا- حالت با واریانس ناهمسانی راه گزینی مارکف
در این مقاله با استفاده از مدل ناهمسانی واریانس راه گزینی مارکف (mrsh[1]) در قالب یک مدل فضا- حالت[2] به بررسی رابطه بین تورم و نااطمینانی تورم در اقتصاد ایران در دوره 1389-1367 پرداخته ایم. واکنش متقابل بین تورم و نااطمینانی تورم بستگی به این دارد که آیا شوک های وارده دائمی می باشند یا موقت. مدل mrsh تورم را به دو جزء دائمی و موقت تقسیم بندی می کند و این کار تحلیل ارتباط بین تورم و نااطمینانی ...
full textبررسی رابطه بین تورم و نااطمینانی تورم در کوتاهمدت و بلندمدت: کاربردی از مدلهای فضا- حالت با واریانس ناهمسانی راهگزینی مارکف
در این مقاله با استفاده از مدل ناهمسانی واریانس راهگزینی مارکف (MRSH[1]) در قالب یک مدل فضا- حالت[2] به بررسی رابطه بین تورم و نااطمینانی تورم در اقتصاد ایران در دوره 1389-1367 پرداختهایم. واکنش متقابل بین تورم و نااطمینانی تورم بستگی به این دارد که آیا شوکهای وارده دائمی میباشند یا موقت. مدل MRSH تورم را به دو جزء دائمی و موقت تقسیمبندی میکند و این کار تحلیل ارتباط بین تورم و نااطمینانی ...
full textبررسی رفتار نوسانات بازدهی سهام بازار اوراق بهادار تهران با استفاده از مدلهای ناهمسانی واریانس شرطی?
مدلسازی نوسانات بازده در بازارهای سهام، از منظر افراد آکادمیک و نیز کارپردازان علم مالی، به لحاظ موارد استفاده آن در پیشبینی بازده سهام، موضوع با اهمیتی به نظر میرسد. این پیشبینیها در مواردی چون مدیریت ریسک، قیمتگذاری مشتقات مالی و پوشش ریسک ناشی از آنها، بازارسازی، انتخاب سبدهای مالی و بسیاری از فعالیتهای مالی دیگر میتواند مورد استفاده قرار گیرد. از این جهت تخمین نوسانات در بازارهای ...
15 صفحه اولبررسی روند بازدهی سهام با استفاده از مدل خود بازگشتی چرخشی مارکف
امروزه با وجود روش های مختلف برای بررسیهای بازارهای مالی، هنوز پیشبینی دقیق بازده سهام کار چندان سادهای نیست. از گذشته تا به امروز مدلهای خود رگرسیون (AR) که توسط باکس و جنکینز معرفی شد در پیش بینی مسائل متعددی مثل مسائل مالی استفاده میشود و اساس عملکرد اینگونه مدل ها این است که مقادیر آینده سری، با مقادیر گذشته و جاری سری رابطه داشته اند. از طرفی مدلسازی قیمت سهام نیز همیشه از موضوعات...
full textبرآورد پویای ریسک سیستماتیک بازدهی قیمت سهام صنعت خودرو و ساخت قطعات بر اساس مدلهای چندمتغیره ناهمسان واریانس و حالت-فضا
این مقاله تخمین پویا از مدل قیمت گذاری دارایی های سرمایه ای بر پایه دو مدل چند متغیره ناهمسان واریانس همبستگی شرطی پویا ( DCC-MGARCH ) و حالت فضا در چارچوب تصمیمات بهینه پویای بخش خانوار طی ادوار زندگی ارائه می دهد. در این راستا برای دادههایی روزانه از سهام صنعت خودرو و ساخت قطعات در دوره ای 5 ساله از سال 1385 تا آخر تیر ماه سال 1391، سری زمانی شاخص ریسک بتا در قالب مدلهای DCC-MGARCH و حالت-ف...
full textMy Resources
Save resource for easier access later
Journal title:
تحقیقات مدلسازی اقتصادیجلد ۷، شماره ۲۵، صفحات ۶۹-۹۰
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023