Skip to main content
فهرست مقالات

مدل سازی و پیش بینی نوسانات بازده در بورس اوراق بهادار تهران

نویسنده:

ISC (12 صفحه - از 23 تا 34)

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 می دهد؛ 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 می دهد که در کل، مدل های غیر شرطی عملکرد بهتری نسبت به مدل های شرطی داشته اند. علاوه‌بر این، نتیجه به‌دست آمده از آماره دایبولد ـ ماریانو نشان می دهد که تفاوت معناداری میان قدرت پیش بینی مدل MA250 و مدل CGARCH وجود ندارد.

Modeling and forecasting the volatility of Tehran Exchange Dividend Price Index (TEDPIX) The present research، analyses the forecasting performance of a variety of conditional and non-conditional models of TEDPIX volatility at the daily frequencies performance criterion namely the root mean square error (RMSE). Under RMSE، results show MA250 and CGARCH models had better performance between non conditional and conditional models respectively. Results of combined models also show that non-conditional models have had better performance relative to conditional models. Further، result of Diebold- Mariano test shows that the forecasting performance of MA 250 is not statistically significant from that of CGARCH.


برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.