کاربردی از روشهای بوت استرپ در مدلهای garch

مدل سازی نوسانات بازده از منظر اقتصاددانان و نیز کارپردازان علوم مالی به لحاظ موارد استفاده ی آن در پیش بینی بازده سهام، از اهمیت بالایی برخوردار است. مدل های خانواده ی garch در کاربرد بسیار مفید هستند زیرا برازش آن ها می تواند برای پیش بینی های تجربی آینده مانند پیش بینی نوسانات خوشه ای به کار روند. همچنین پیش بینی ها در مدیریت ریسک مالی بسیار مهم اند. اگر برای ساختن بازه های اطمینان پارامترها و بازه های پیش بینی، فرض نرمال بودن مانده ها برقرار نباشد می-توان از روش های بوت استرپ استفاده کرد. در این پایان نامه ابتدا به معرفی برخی از مدل های خانواده ی garch پرداخته می شود. سپس روش هایی برای محاسبه ی مجموعه های اطمینان و نیز بازه های پیش بینی ارائه و با استفاده از شبیه سازی مونت کارلو مورد مقایسه قرار می گیرند. در ادامه آزمون های نیکویی برازش مانده ها در مدل های garch معرفی شده و نسخه ی بوت-استرپ در این آزمون ها مطرح می شود و با مطالعات شبیه سازی مقایسه ای بین آن ها انجام می گیرد. در نهایت این روش ها در تحلیل داده های واقعی مورد استفاده قرار می گیرند.