تخمین توزیع بازده شرکت های بورس اوراق بهادار تهران با استفاده از رویکرد ماتریس های تصادفی برای لحاظ نامانایی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
برای ارزیابی ریسک های بازار مالی، همبستگی بازده های سهام شرکت های مختلف از اهمیت ویژه ای برخوردار است. همبستگی شرکت ها در بازارهای مالی به دلیل تغییر انتظارات معامله گران و روابط بین واحدهای مختلف مالی تغییر می کند. این بدان معنی است که نوسانات سری زمانی مالی به سرعت تغییر می نماید. تغییرات مربوط به نوسانات و نامانایی سری زمانی می تواند چالش های بسیاری را برای برآورد پارامترها به ویژه ماتریس کواریانس واریانس، که اصلی ترین عامل ارزیابی ریسک به شمار می آید، به وجود آورد. علاوه بر این، تأثیر رویدادهای بزرگ نشان می دهد که پذیرش فرض توزیع نرمال برای سری زمانی مالی به خصوص در شرایط بحران، می تواند منجر به برآوردهای گمراه کننده گردد. در حقیقت نامانایی، منجر به پهن شدن دم ها در توزیع بازده بازارهای مالی می شود و عدم لحاظ این امر می تواند برآوردهای مورد نیاز را تحت تأثیر قرار دهد. در این مقاله، تغییرات ماتریس کواریانس واریانس بازده-های سهام شرکت های موجود در بورس اوراق بهادر تهران در بازه زمانی 1390 الی 1397 مورد بررسی قرار می گیرد و توزیع چندمتغیره بازده های شرکت های فوق، با لحاظ نامانایی و بکارگیری روش ماتریس های تصادفی به دست می آید. نتایج تحقیق نشان می دهد توزیع تئوریک حاصل از روش ماتریس تصادفی با دو رویکرد ماتریس کواریانس واریانس غیرهمگن و همگن می تواند به خوبی توزیع تجربی بازده شرکت های بورسی اوراق بهادار تهران را توصیف نماید.Estimating the Return Distribution of Tehran Stock Exchange Companies Using Random Matrix Approach for Taking Non-stationary into Account
To assess the financial market risks, the correlations between the prices of the individual stocks are of crucial importance. They change significantly in time due to trader's market expectation changes and the relation between business units' changes .This means the volatility of financial time series is non-stationary and fluctuate quickly. Non-stationary can lead many challenges for estimating the covariance estimation, which is main parameter in risk assessing. In addition, the impact of large event shows that we cannot easily assume normal distribution for financial time series especially when we observe large event frequently in the case of crises. In fact, non-stationary leads heavy tails distribution and this can affect the quantities we wish to measure. In this regard, we review the changes of covariance matrices of returns related to companies listed on the Tehran Stock Exchange during the period of 2011-2019 and obtain the multivariate distribution of returns, in terms of taking into account non-stationary and using the method of random matrices. The results show that the theoretical distribution obtained from the random matrix method with two approaches, heterogeneous and homogeneous covariance matrix, can well describe the experimental distribution of returns of Tehran Stock Exchange companies.
تبلیغات
