عنوان پایان‌نامه
الگوسازی و پیش بینی نوسانات شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 58125
- تاریخ دفاع
- ۳۱ خرداد ۱۳۹۰
- دانشجو
- محمدرضا ادراکی
- استاد راهنما
- رضا تهرانی
- چکیده
- در این پژوهش، با برازش تعدادی الگوی خانواده واریانس ناهمسان شرطی برای سری شاخص کل قیمت و بازده نقدی بورس اوراق‌بهادار تهران(TEDPIX) مقایسه‌ای بین دقت برازش این الگوها بر پایه معیارهای هنان-کوئین(HQ)، اطلاع آکائیک(AIC) و شوارز(SC) انجام شده‌است. الگوهای در نظر گرفته شده کلاس الگوهای واریانس ناهمسان شرطی خودرگرسیو تعمیم‌یافته ، واریانس ناهمسان شرطی خودرگرسیو تعمیم یافته نمایی و واریانس ناهمسان شرطی خودرگرسیو تعمیم یافته انباشته را شامل می‌شود که در هر کلاس از سه نوع توزیع نرمال ، t- استیودنت و توزیع خطای تعمیم‌یافته استفاده‌شده که نتایج حاکی از این است که الگوی IGARCH با توزیع نرمال از برازش بهتری نسبت به سایر الگوها برخورداراست. در ادامه به بررسی قدرت پیش بینی کنندگی و مقایسه پیش‌بینی‌های10,5,1 و22 گامی (متناظر با پیش‌بینی‌یک‌روز،یک‌هفته،دوهفته و یک‌ماه‌بعد) الگو‌های‌مورد بررسی بر اساس معیاراطلاع آکائیک ، معیار شوارز و معیارخطای‌پیش‌بینی استانداردشدهٌْ؛ پرداخته شده که نتایج مبین این است که الگو IGARCH-N در رقابت با سایر الگوها، نتایج قابل قبولی را بدست آورده و به نظرمی‌رسد که برای پیش‌بینی‌کوتاه‌مدت بهتر است از این الگوها استفاده نماییم اما هر چه افق پیش‌بینی‌ها بلندتر می‌شود نتیجه به نفع الگو GARCH-t و GARCH-GED تغییر می‌کند.
- Abstract
- This paper estimates and evaluates the forecasting performance of three alternative ARCH- type Models for predicting stock price index volatility. The competing Models include GARCH, EGARCH, IGARCH used with three different distributions, Gaussian normal, Student-t, and Generalized Error Distribution based on the following criteria: 1- Hannan Quinn (HQ) 2- Schwarz (SC) 3- Akaike information (AIC) The findings show that superiority of fitting exactitude of IGARCH with “Gaussian Normal Distribution” to that of other models. We proceed with the examination of forecasting power, and a comparison of 1, 5, 10, and 22-step forecasts (corresponding to the following day, week, two weeks and month forecasts) of the models, based on the criteria such as AIC, SC, and “Standardized Prediction Error Criterion”(SPEC). The result shows that “Integrated Generalized Autoregressive conditional IGARCH-N is more efficient for short-term forecasts in comparison with other models. However, it is noteworthy that for long-term forecasts GARCH-t and GARCH-GED proves more appropriate.
