مدلسازی بازده مالی با استفاده از مدل "مارکوف ترکیبی متغیر بازمان نرمال-گارچ"
Authors
Abstract:
در مطالعات پیشین برای مدلسازی بازده مالی، از نرمال ترکیبی و همین‌طور فرایند مارکوف به طور مجزا، استفاده شده بود. در این تحقیق مدل نرمال ترکیبی به حالت مارکوف-نرمال ترکیبی گسترش یافته است و وزن‌های ترکیبی در هر وضعیت متغیر با زمان و تابعی از مشاهدات گذشته در نظر گرفته شده‌اند و به این ترتیب محدودیت ثابت بودن وزن‌ها مرتفع گردیده است. پارامترهای مدل پیشنهادی با استفاده از استنتاج بیزین تخمین زده شده‌اند و یک الگوریتم نمونه‌گیری گیبس برای محاسبه چگالی پسین ایجاد شده است. کارایی الگوریتم نیز با شبیه‌سازی آزموده شده و سپس در حالت دو وضعیته، در هر وضعیت با یک و دو مؤلفه نرمال و در حالت محدودشده (میانگین صفر) توسط تابع درستنمایی مورد مقایسه قرار گرفته است. در انتها مدل ارائه شده برای بازده‌های روزانه شاخص 500S&P (2009-2015) و شاخص کل بورس تهران (1388-1394) به کار رفت و نشان دادیم مدل مارکوف ترکیبی متغیر با زمان نرمال-گارچ با دو مؤلفه نتایج بهتری نسبت به حالت تک مؤلفه‌ای (مارکوف-گارچ) ارائه می‌دهد.
similar resources
پیش بینی بازده مالی با استفاده از مدل "مارکوف ترکیبی متغیر بازمان نرمال-گارچ "
در این تحقیق مدل نرمال ترکیبی به حالت مارکوف-نرمال ترکیبی گسترش یافته است. وزن های ترکیبی در هر وضعیت متغیر با زمان و تابعی از مشاهدات گذشته در نظر گرفته شده مدل پیشنهادی با استنتاج بیزین تخمین زده شد و یک الگوریتم نمونه گیری گیبس برای محاسبه چگالی پسین، ایجاد شده است. کارایی الگوریتم با شبیه سازی آزموده شد، سپس در حالت دو وضعیته با یک و دو مولفه در هر وضعیت و در حالت محدودشده (میانگین صفر) توس...
پیش 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 عدم تقارن و تغییرساختاری سری های زمانی مالی با استفاده از فرآیندهای چوله-نرمال مارکوف سوییچینگ گارچ
هدف این پژوهش به کارگیری skew-normal (sn) markov-switching(ms) garch جهت لحاظ نمودن چولگی در توزیع سریهای زمانی مالی است. انگیزه اصلی بیان این مدل آن است که روش متداول برای در نظر گرفتن عدم تقارن در مدل های normal(n) ms garch یعنی اضافه نمودن میانگین رژیم ها به مدل، منجر به ایجاد بازده های خود همبسته می گردد که امری نامطلوب است. جهت یک مقایسه کامل ، تمامی حالات ممکن مدل های sn ms garch و n ms g...
بهبود الگوریتم ساختاری مونت کارلوی زنجیر مارکوف در مدل های چند سطحی با متغیر پاسخ نرمال
مدل های چند سطحی در علوم کاربردی شامل علوم اجتماعی، جامعه شناسی، پزشکی و اقتصاد برای تحلیل داده های همبسته مورد استفاده قرار می گیرند. روش های متفاوتی برای برآورد این مدل ها با متغیر پاسخ نرمال وجود دارند. در این مقاله برای به کارگیری روش بیزی از تعمیم الگوریتم مونت کارلوی زنجیر مارکوف استفاده می شود که قالبی ساده داشته و باعث حذف همبستگی بین نمونه های شبیه سازی برای پارامترهای ثابت وخطای منتسب...
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 textپیشبینی نوسانات قیمت برق در بازار برق ایران با استفاده از مدل مارکوف سویچینگ گارچ
پس از تجدید ساختار بازار برق ایران و تبدیل آن به یک بازار رقابتی که قیمت برق را نیروهای حاکم بر بازار تعیین می‌نمایند، نوسانات قیمتی در این بازار افزایش یافته است. باتوجه به اینکه سری زمانی قیمت‌های بازار برق معمولاً‌ً دارای ویژگی‌های پیچیده مانند ناپایداری، شرایط غیرخطی و نوسانات زیاد است، ازاینرو هدف اصلی این پژوهش، پیشبینی نوسانات قیمت برق در بازار برق ایران با استفاده از مدلهای تک‌رژیمی و ...
full textMy Resources
Journal title
volume 11 issue 37
pages 91- 102
publication date 2018-03-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023