پیش 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. این افزایش تقاضا باعث افزایش قیمت طلا گردید. به دنبال آن خرید و فروش در بازار طلا افزایش یافت. این افزایش در معاملات باعث بروز نوسانات شدیدی در این بخش شد. از آنجا که نوسان بازده یکی از عوامل اثرگذار در سرمایه‌گذاری است، بدین منظور استفاده از مدلی برای پیش‌بینی نوسانات ضروری به نظر می رسد. در این تحقیق ابتدا سری بازده قیمتی و نوسانات بازده طلا تحت آزمون‌های مختلف بررسی می‌شود. سپس یک رویکرد ناپارامتری بر اساس مدل ارائه شده توسط بولمن و مکنیل3 در سال 2002 برای پیش بینی نوسانات بازدهی استفاده می‌گردد و با استفاده از دو تابع خطای پیش‌بینی MSE  و QLIKE با مدل‌های دیگر که مدل‌های پارامتری هستند، مورد مقایسه قرار می‌گیرد و نتایج توسط آزمون دایبولد- ماریانو ارزیابی می‌گردد. در نهایت تابع خطایQLIKE  برتری مدل گارچ ناپارامتری را  در پیش‌بینی نوسانات نسبت به بقیه مدل‌های گارچ نشان می‌دهد.