Journal of Economic Modeling Research
تحقیقات مدلسازی اقتصادی
jemr
Literature & Humanities
http://jemr.khu.ac.ir
1
admin
2228-6454
2538-4163
10.52547/jemr
fa
jalali
1391
7
1
gregorian
2012
10
1
3
9
online
1
fulltext
fa
مدلسازی و پیشبینی نوسانات بازار سهام با استفاده از مدل انتقالی گارچ مارکف
Estimating and forecasting the volatility of Tehran stock market, using Markov regime switching GARCH models
پولی و مالی
پولی و مالی
بنیادی
بنیادی
<p style="DIRECTION: rtl" align="justify"> 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. </p>
<p> In this study we compare a set of Markov Regime-Switching GARCH models in terms of their ability to forecast the Tehran stock market volatility at different time intervals. SW-GARCH models have been used to avoid the excessive persistence that usually found in GARCH models. In SW-GARCH models all parameters are allowed to switch between a low or high volatility regimes. Both Gaussian and fat-tailed conditional distributions are assumed for the residuals, and the degrees of freedom can also be state-dependent to capture possible time-varying kurtosis. Using stationary bootstrap and re-sampling, the forecasting performances of the competing models are evaluated by statistical loss functions. The empirical analysis demonstrates that SW-GARCH models outperform all standard GARCH models in forecasting volatility. Also, the SW-GARCH model with the t distribution for errors has the best performance in fitting a model and estimation. </p>
بوتسترپ، پیشبینی خارج از نمونهای، تابع زیان آماری، توزیع دنبالههای پهن، مدل انتقالی گارچ مارکف، نوسانات.
Volatility, Markov Regime Switching GARCH Models, Statistical Loss Function, Bootstrap.
117
141
http://jemr.khu.ac.ir/browse.php?a_code=A-10-599-1&slc_lang=fa&sid=1
minoo
nazifi naeini
مینو
نظیفی نائینی
minoonazifi@gmail.com
10031947532846002799
10031947532846002799
Yes
Razi university
دانشگاه رازی
shahram
fatahi
شهرام
فتاحی
sh_fatahi@yahoo.com
10031947532846002800
10031947532846002800
No
Razi university
دانشگاه رازی
saeed
samadi
سعید
صمدی
samadi_sa@yahoo.com
10031947532846002801
10031947532846002801
No
Isfahan university
دانشگا اصفهان