پیش بینی بازده سهام با استفاده از مدل های غیرخطی آستانه ای و بررسی نقش حجم معاملات در بهبود عملکرد این مدل ها(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در طول سال های اخیر مدل های سری زمانی غیر خطی یکی از ابزارهای جدید در توصیف و پیش-بینی بازدهی سهام بوده است. شواهد بسیاری رابطه عکس بین بازدهی آینده سهام و حجم معاملات را تأیید کرده است. وجود این رابطه نشان می دهد، حجم معاملات می تواند به عنوان متغیر آستانه ای مناسب در مدل های خودتوضیح آستانه ای (TAR) و خودتوضیح انتقال هموار لجستیک (LSTAR) استفاده شود. در این پژوهش توانایی مدل های خطی ARMA و مدل های TAR و LSTAR مقایسه شده است. علاوه بر این از متغیر حجم معاملات به عنوان متغیر آستانه ای یا انتقال در مدل های TAR و LSTAR استفاده شده است. بدین منظور نمونه ای از 26 شرکت در طول سال-های 1380 تا 1388 از شرکت های بورس اوراق بهادار تهران مورد مطالعه قرار گرفتند. از داده های 7 سال به عنوان داده های آموزشی و از داده های 2 سال به عنوان داده های آزمایشی استفاده شد. با استفاده از آزمون دایبلد ماریانو ، عملکرد مدل ها مورد مقایسه قرارگرفت. نتایج نشان دادند، مدل های غیرخطی از قدرت پیش بینی بالاتری نسبت به مدل ARMA برخوردارند. همچنین به کارگیری حجم معاملات در مدل های غیرخطی عملکرد این مدل ها را بهبود نبخشید.