نوسان شرطی

در این تحقیق عملکرد روش پارامتریک در پیش بینی مقادیر ارزش در معرض خطر در مورد دو پرتفوی متشکل از شرکت‌های بورس اوراق بهادار تهران (پرتفوی متشکل از تمامی شرکت‌ها و پرتفوی متشکل از 50 شرکت با نقدشوندگی بالا) مورد بررسی قرار می‌گیرد. برای این منظور، پس از محاسب? مقادیر ارزش در معرض خطر یک روزه و ده روزه با استفاده از برخی مدل‌های خانواد? ARCH بر روی سه توزیع آماری نرمال، t- استیودنت و توزیع خطای تعمیم یافته، نتایج بدست آمده با استفاده از آزمون پس نگر در حجم‌های نمونه‌ای متفاوت‌، در سطوح اطمینان پایین و بالا مورد مقایسه و تحلیل قرار می‌گیرند. نتایج بدست آمده نشان می‌دهند که اول این‌که، پیش‌بینی مقادیر ارزش در معرض خطر یک روزه و ده روزه با استفاده از توزیع‌های لپتوکورتیک از دقت و عملکرد بالاتری برخوردار می‌باشند. دوم این‌که، انتخاب حجم‌های نمونه‌ای متفاوت بر تعداد و نتایج مدل‌هایی که ارزش در معرض خطر را به درستی تخمین می‌زنند تأثیر‌گذار است.

در این پژوهش، عملکرد پیش بینی مدل های نوسان شرطی و غیرشرطی (11 مدل) در خصوص پیش بینی نوسان شاخص نقدی و قیمت بورس تهران را بر اساس معیارهای ارزیابی(متوسط قدرمطلق خطا) ، میانگین مربعات خطا و تایل مورد بررسی قرارداده ایم. افزون بر این، تاثیر عواملی نظیر دامنه مجاز و نحوه محاسبه نوسان بر رفتار آن را نیز مورد تجزیه و تحلیل قرار داده ایم. نتایج نشان می دهد عملکرد مدل میانگین متحرک 250 روزه، هموارسازی نمایی و CGARCH طبق معیارهای RMSE و Theil از مدل های دیگر بهتر است. از سوی دیگر، طبق مدل های نوسان شرطی(به استثنای مدل PARCH) تغییر دامنه مجاز نوسان بر روی نوسان تاثیرگذار بوده، در حالی که مدل میانگین متحرک خودرگرسیو (ARMA) خلاف آن را نشان می دهد. مطالعه رفتار نوسان به صورت روزانه و ماهانه نیز نشان می دهد که نوسان در این دو حالت رفتار متفاوتی از خود نشان می دهد.

در این مقاله عملکرد پیش بینی مدل های نوسان شرطی و غیر شرطی (12 مدل) در خصوص پیش بینی نوسان شاخص بازده نقدی و قیمت بورس تهران (TEDPIX) بر اساس معیار ارزیابی میانگین مربعات خطا (RMSE) بررسی شده است. نتایج نشان میدهد؛ عملکرد مدل میانگین متحرک 250 روزه، هموارسازی نمایی و CGARCH طبق معیار RMSE از دیگر مدل ها بهتر است. نتایج مدل های ترکیبی نیز نشان میدهد که در کل، مدل های غیر شرطی عملکرد بهتری نسبت به مدل های شرطی داشته اند. علاوه بر این، نتیجه به دست آمده از آماره دایبولد ـ ماریانو نشان میدهد که تفاوت معناداری میان قدرت پیش بینی مدل MA250 و مدل CGARCH وجود ندارد.