Abstract:
در این تحقیق تلاش شده است با استفاده از مدلهای میانگینگیری پویا و دادههای ماهانه در بازه زمانی 1388:1 تا 1396:12 بازدهی سهام در بورس اوراق بهادار تهران بررسی شود. در این راستا متغیرهای کلان و شاخصهای بازارهای موازی به منظور پیشبینی بازده سهام مورد استفاده قرارگرفتهاست. نخست با برآورد مدلهای رگرسیون بازگشتی، مدلهای پارامتر متغیر-زمان (TVP)، مدل انتخابی پویا (DMS) و مدل میانگینگیری پویا (DMA) در نرم افزار متلب مشاهده گردید مدل DMS با 95/0 α= β= بر اساس معیارهای سنجش عملکرد پیشبینی) MAFE، MSFE و Log(PL) ( از دقت پیشبینی بالاتری در مقایسه با سایر روشها برخوردار است. همچنین بر اساس نتایج برآورد متغیر قیمت طلا (48 دوره)، نرخ ارز (36 دوره) و متغیر تورم (30 دوره) به ترتیب بالاترین و متغیرهای قیمت جهانی نفت و تولید ناخالص داخلی نیز به ترتیب با 28 و 2 تکرار کمترین تاثیر را بر بازدهی سهام داشتهاند. نتایج مبین آن است که استفاده از مدلهای پویا با در نظر گرفتن تغییرات زمانی پارامترها و تغییر در مدل، کارایی پیشبینی بازدهی سهام را افزایش میدهد.
In this study, using dynamic averaging models and monthly data in the period 2001:4 until 2018:3, Tehran Stock Exchange returns be investigated. In this regard, macroeconomics variables and parallel markets indices have been used to forecast the stock returns. Initially, estimating various models such as Recursive models, time-varying parameter models (TVP), dynamic model selection (DMS) and dynamic model averaging (DMA) in Matlab software, It was observed that DMS model with α = β = 0.95 had higher forecast accuracy (based on MAFE, MSFE and Log (PL) metrics). Gold price (48-period), exchange rate (36-period) and inflation rate (30-period) had the highest effect on stock returns, respectively, and global oil prices and GDP had the lowest effect by 28 and 2, respectively. Finally, the results indicate that utilizing dynamic models by considering time variations in parameters and the variation of the model increases the efficiency of forecasting stock returns. Keywords: Forecasting, Stock Returns, time-varying Parameter (TVP), Dynamic Model Averaging (DMA).
Machine summary:
آزمون تغييرپذيري عوامل موثر در پيش بيني بازده سهام با استفاده از مدل هاي ميانگين گيري پويا (DMA) حسين مقصود١ حميدرضا وکيلي فرد٢ تقي ترابي ٣ چکيده در اين تحقيق تلاش شده است با استفاده از مدل هاي ميانگين گيري پويا و داده هاي ماهانه در بازه زماني ١٣٨٨:١ تا ١٣٩٦:١٢ بازدهي سهام در بورس اوراق بهادار تهران بررسي شود.
نخست ، مدل هاي مورد استفاده در مطالعات موجود اجازه نمي دهد که هر دو پارامتر و ضرايب با گذشت زمان تغيير کنند که اين امر براي کاوش در قيمت سهام که تحت تاثير يک سري عوامل اقتصادي است و بالقوه تحت شرايط مختلف بازار تغيير مي کنند، مناسب نيست .
با اين حال در دوره ٦٠ مدل شماره ٢٩ انتخاب شده است که علاوه بر وقفه هاي متغير توضيحي و عرض از مبدا، متغيرهاي نرخ ارز، قيمت طلا، قيمت نفت و تورم را به عنوان عوامل تاثيرگذار بر بازدهي سهام نشان ميدهد.
جدول ٣ : اولويت بندي متغيرهاي موثر بر بازدهي سهام متغير نماد تعداد اولويت قيمت نفت 4 28 g_oil نرخ تورم 3 30 Inf قيمت طلا 1 48 g_gold نرخ ارز (نرخ بازار غير رسمي دلار) g_exchang ٣٦ ٢ رشد توليد ناخالص داخلي 5 2 g_gdp منبع : محاسبات محقق نتايج جدول (٣) را ميتوان به صورت زير خلاصه نمود: قيمت طلا به عنوان نزديک ترين رقيب بورس اوراق بهادار تهران بيشترين تعداد تکرار (٤٨ تکرار) در مدل هاي بهينه را داشته است .
نتايج اين تحقيق همچنين نشان ميدهد که استفاده از مدل هاي پويا با در نظر گرفتن تغييرات زماني پارامترها و تغيير در مدل ، دقت پيش بيني متغير بازدهي سهام را افزايش ميدهد.