پیش بینی نوسانات بازده شاخص قیمتی بورس اوراق بهادار تهران با استفاده از مدل نوسان تصادفی و مدل گارچ
نام نخستين پديدآور
/مرتضی آزاد کنعانی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: اقتصاد ومدیریت بازرگانی
تاریخ نشرو بخش و غیره
، ۱۳۹۷
نام توليد کننده
، راشدی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مدیریت کسب و کار، گرایش مالی
زمان اعطا مدرک
۱۳۹۷/۰۲/۰۳
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
مقایسه ی مستقیم و غیر مستقیم چهار مدل مختلف گارچ و مدل نوسان تصادفی از نظر توانایی پیش بینی نوسان بازده لگاریتمی روزانه ی شاخص قیمتی به وزن ارزش بازار در بورس اوراق بهادار تهران .روششناسی پژوهش :تخمین پارامترهای سه مدل گارچ به روش شبه حداکثر درست نمایی و تخمین پارامترهای مدل تغییر رژیم مارکوف گارچ و مدل نوسان تصادفی به روش زنجیر مارکوف مونت کارلو انجام شد .برای مقایسه ی مستقیم مدل ها، با در نظر گرفتن مربع جملات خطای معادله ی میانگین شرطی به عنوان واسطه برای نوسان حقیقی، از توابع زیان میانگین مربعات خطا و تابع زیان کیولایک استفاده شد .برای مقایسه ی غیر مستقیم مدلها، از مفهوم ارزش در معرض خطر و توابع زیان آماری نشانگر، نشانگر با جریمه، قدر مطلق انحرافات و مربع انحرافات استفاده شد .فرآیند مقایسه ی مدل ها بر اساس مجموعه ی مدل اطمینان اجرا شد .یافتهها :در حالت مقایسه ی مستقیم مدل ها، فرض صفر توانایی برابر مدل ها در زمینه ی پیش بینی نوسان بازده لگاریتمی روزانه ی شاخص قیمتی بورس اوراق بهادار تهران را نمی توان رد کرد و در درون مجموعه مدل اطمینان، مدل تغییر رژیم مارکوف گارچ همواره رتبه ی بالاتری نسبت به مدلها ی گارچ، گارچ نمایی، گارچ GJR و نوسان تصادفی دارد و رتبه ی مدل نوسان تصادفی نسبت به مدلهای خانواده ی گارچ پایین تر است .در حالت مقایسه ی غیر مستقیم مدل ها بر اساس مفهوم ارزش در معرض خطر، در صورتی که تاکید تابع زیان بر موارد نقض ارزش در معرض خطر باشد مدل تغییر رژیم مارکوف گارچ و مدل نوسان تصادفی، نسبت به سایر مدل ها، توانایی بالاتری در زمینه ی پیش بینی نوسان بازده لگاریتمی روزانه ی شاخص تپیکس دارند و درصورتی که تاکید تابع زیان بر کل سری زمانی بازده لگاریتمی روزانه یا مقادیر منفی آن باشد، سایر مدل ها توانایی بالاتری در زمینه ی پیش بینی نوسان بازده نسبت به مدل نوسان تصادفی و مدل تغییر رژیم مارکوف گارچ دارند .نتیجهگیری :انتخاب مدل دارای توانایی بالاتر در زمینه ی پیش بینی نوسان بازده به تابع زیان آماری مورد استفاده بستگی دارد .بنابراین، فعالان بازار سرمایه باید با توجه به مسئله ی تصمیم گیری، مدل مورد استفاده برای پیش بینی نوسانات بازده سهام را انتخاب کنند
متن يادداشت
Research Aim: Direct and indirect comparison of four different GARCH models and SV model in terms of their ability to predict the volatility of the daily logarithmic return on TEPIX. Research method: The parameters of GARCH, EGARCH, & GJR-GARCH models were estimated by QML method. The parameters of MRSGARCH model and SV model were estimated by MCMC method. For direct comparison, considering the square of the conditional mean equation error term as a proxy for true volatility, MSE and QLIKE loss functions were used. For indirect comparison, on the basis of VaR concept, IF, PIF, AD, and SD loss functions were used. Comparison procedure was executed by means of MCS approach. Findings: Considering direct comparison, the null hypothesis of equal predictive ability of the models cant be rejected. Inside model confidence set, MRSGARCH model has the highest rank relative to other models and SV model has lower rank relative to GARCH models. Considering indirect comparison, on the basis of VaR, if loss functions focus on VaR violations MRSGARCH and SV have superior predictive ability relative to GARCH, EGARCH, and GJR-GARCH. If loss functions focus on entire return series or negative return GARCH, EGARCH, and GJR-GARCH have superior predictive ability relative to MRSGARCH and SV. Conclusion: Selecting the models having superior ability for predicting the volatility depends on the statistical loss function. Therefore, capital market actors should select the model for predicting the volatility of the return on stocks by considering the specific decision problem that they are dealing with
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )