عنوان پایان‌نامه
پیش بینی و برآورد نسبت پوشش ریسک بهینه برای بازار آتی سکه طلا در ایران با استفاده از روشهای اقتصاد سنجی و شبکه عصبی مصنوعی
- رشته تحصیلی
- علوم اقتصادی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 69509
- تاریخ دفاع
- ۲۴ دی ۱۳۹۱
- دانشجو
- شبنم جعفری کیا
- استاد راهنما
- حمید ابریشمی
- چکیده
- به طور کلی هر فرصت سرمایه‌گذاری با انواع ریسک‌ها از جمله ریسک نوسانات قیمت مواجه است که بازدهی سرمایه‌گذاران را تهدید می¬کند. در این میان، بازارهای مالی نیز از این قاعده مستثنی نیستند. اما در راستای بهبود فرصتهای سرمایه‌گذاری، ابزارهای مالی متنوعی از جمله قراردادهای آتی شکل گرفتند که مهمترین کارکردشان مدیریت و پوشش ریسک ناشی از نوسانات قیمت دارایی است. قراردادهای آتی با تنوع بخشیدن به سبد دارایی سرمایه‌گذار در حالتی که شامل هر دو قرارداد نقدی و آتی است در مقایسه با حالتی که تنها شامل قراردادهای نقدی است، می¬توانند ریسک تغییر ارزش دارایی را پوشش دهند. بنابراین تعیین نسبت بهینه برای تعداد قراردادهای نقد و آتی در سبد دارایی و تعیین نوع قراردادهای آتی که با بکارگیری‌شان کارایی پوشش ریسک حداکثر شود بسیار حائز اهمیت است. از این رو، در این مطالعه برای برآورد نسبت پوشش ریسک بهینه با استفاده از بکارگیری قراردادهای آتی سکه در ایران، از مدل‌های مختلف اقتصادسنجی از جمله حداقل مربعات معمولی، اتورگرسیو و واریانس ناهمسانی شرطی اتورگرسیو دومتغیره استفاده شده است و با توجه به اهمیت پیش‌بینی آن برای روشن نمودن افق برنامه‌ریزی بلندمدت سرمایه‌گذاران، این نسبت با استفاده از مدل واریانس ناهمسانی شرطی و شبکه عصبی مصنوعی پیش¬بینی شده است. نتایج نشان می‌دهد که برخلاف انتظار با بکارگیری ماتریس واریانس-کوواریانس شرطی و مدل‌سازی پویایی از نوسانات بازدهی‌ها در هر دو بازار، بهبود چندانی در عملکرد پوشش ریسک متغیر نسبت به پوشش ریسک ثابت مشاهده نشده است. همچنین، به نظر می¬رسد بکارگیری قراردادهای آتی با تاریخ سررسید طولانی‌تر برای افزایش کارایی پوشش ریسک مناسب¬تر می¬باشند. علاوه بر این، به منظور ارزیابی عملکرد مدل‌های پیش‌بینی، جذر میانگین مجذور خطا مدنظر قرار گرفته و نتایج حاکی از آن است که شبکه عصبی مصنوعی، جذر میانگین مجذور خطای بسیار کمتری از مدل واریانس ناهمسانی شرطی داشته و در نتیجه پیش‌بینی بهتری از نسبت بهینه را پیش¬روی پوشش‌دهندگان ریسک قرار می‌دهد و می‌تواند کارایی پوشش ریسک در بازار آتی را افزایش دهد.
- Abstract
- In this research, we compare different methods for estimating optimal hedge ratios in terms of their efficiency in simulating spot and future contracts gold coins in Iran. We estimate constant hedge ratios by using OLS, VAR models and dynamic hedge ratios through use of the BEKK-MGARCH model. In addition, we predict optimal hedge ratios by the GARCH and Artificial Neural Network models. The results do not indicate much improvement when we use dynamic hedge ratios compared to the constant one. Our results further indicate that futures contracts with longer maturities offer more efficient hedging strategies. Furthermore, measuring the performance of the forecasting models by looking at thevsquare root of mean squared error, indicate that the ANN model had much lower RMSE than GARCH model. As a result, it provides better prediction of the optimal ratio. It can also increase the efficiency of the hedge ratio in the futures markets. Key words: Hedge ratio, OLS, VAR, conditional variance, BEKK-MGARCH, ANN
