Abstract:
پیشبینی نوسان در بازارهای مالی یک فعالیت بحرانی و کلیدی است و دارای حوزۀ تأثیرگذاری گستردهای میباشد که شامل سرمایهگذاری، ارزش گذاری اوراق بهادار، مدیریت ریسک و ایجاد سیاست پولی است. همانطور که مشخص است این موارد بوضوح از ارزش زیادی در تصمیم گیریهای اقتصادی برخوردار است بنابراین، توجه به این مسائل سبب ایجاد سؤالهایی از این قبیل میشود که چطور میتوانیم بطور مؤثری نوسانات را پیشبینی کنیم و آیا ممکن است که مشخصا یک تکنیک ترجیح داده شده را انتخاب کنیم؟ روشهای مختلفی که بوسیلۀ آنها، چنین پیشبینیهایی میتواند بدست آید در ادبیات این موضوع گسترش یافته و در عمل بکار برده شده است. چنین تکنیکهایی، دربرگیرندۀ محدودۀ وسیعی از مدلهای نسبتا ساده که از مفروضات ساده استفاده میکنند ( روش گام تصادفی) تا مدلهای نسبتا پیچیدۀ واریانس ناهمسانی شرطی خانوادۀ گارچ میباشند. در این تحقیق عملکرد پیشبینی خارج از نمونۀ 6 مدل برای نوسانات روزانۀ شاخص قیمت و بازده نقدی TEDPIX در دورۀ زمانی آغاز 1378 تا پایان 1387 (شامل 2355 مشاهده) مورد ارزیابی قرار گرفته است، که 2300 مشاهدۀ اول برای تخمین پارامترها استفاده شده و باقیماندۀ دادهها برای پیشبینی بکار رفته است. مدلهایی که در این تحقیق با هم مقایسه شدهاند عبارتند از:مدل Riskmetric و تعدادی از مدلهای نوع گارچ، شامل مدل GARCH , EGARCH , APARCH , TARCHو IGARCH . برای ارزیابی عملکرد پیشبینی مدلهای مورد مقایسه، از سه آمارۀ ارزیابیخطااستفادهشدهاست:MAE,RMSE,Theil. نتایج حاصله از این تحقیق بیانگر آن است که بر اساس هر سه معیار ارزیابی خطا، مدل Riskmetric بطور قابل ملاحظهای بهترین عملکرد را در مقایسه با پنج مدل دیگر دارد. و از طرف دیگر، مدل EGARCH بدترین عملکرد پیشبینی را ارائه میدهد.