مدل‌سازی و پیش‌بینی نوسانات بازار سهام با استفاده از مدل انتقالی گارچ مارکف

Authors

Abstract:

  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. علت استفاده از این مدل‌ها آن است که برای همۀ شاخص‌های مدل، امکان چرخش یا انتقال بین دو رژیم پرنوسان و کم‌نوسان 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 می‌دهد برای پیش‌بینی نوسانات بازار سهام ایران، عملکرد مدل‌های SW - GARCH با توزیع خطای t و با درجۀ آزادی متغیر بین دو رژیم، بسیار بهتر از مدل‌های گارچ معمولی است. حتی در برازش و بررسی‌های داخل نمونه‌ای نیز این نوع از مدل‌های انتقالی مارکف، رتبۀ اول را در زمینه قدرت برازش به خود اختصاص دادند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدل سازی و پیش بینی نوسانات بازار سهام با استفاده از مدل انتقالی گارچ مارکف

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...

full text

مدلسازی 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 text

مدلسازی 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 text

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 text

پیش‌بینی 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 text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 3  issue 9

pages  117- 141

publication date 2012-12

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023