پیش بینی نوسانات بازده طلا با استفاده از مدل گارچ ناپارامتری و مقایسه با مدل های گارچ پارامتری

تعیین مدلی که پیش بینی بهتری از نوسانات قیمتی در زمینه سرمایه گذاری بدهد، از حوزه های مورد بحث در ادبیات مالی است. در این زمینه مدل هایی ارائه شده و هرکدام مزایا و معایبی دارد. این مدل ها به خصوص در زمینه قیمت نفت خام و نرخ ارز مقالاتی را به خود اختصاص می دهد. در سال های اخیر به دلیل رکود در کشورهای غربی و به تبع آنها در دیگر کشورها دارایی هایی از قبیل طلا مورد استقبال سرمایه گذاران قرار گرفت. این افزایش تقاضا باعث افزایش قیمت طلا گردید. به دنبال آن خرید و فروش در بازار طلا افزایش یافت. این افزایش در معاملات باعث بروز نوسانات شدیدی در این بخش شد. از آنجا که نوسان بازده یکی از عوامل اثرگذار در سرمایه گذاری است، بدین منظور استفاده از مدلی برای پیش بینی نوسانات ضروری به نظر می رسد. در این تحقیق ابتدا سری بازده قیمتی و نوسانات بازده طلا تحت آزمون های مختلف بررسی می شود. سپس یک رویکرد ناپارامتری بر اساس مدل ارائه شده توسط بولمن و مکنیل3 در سال 2002 برای پیش بینی نوسانات بازدهی استفاده می گردد و با استفاده از دو تابع خطای پیش بینی MSE و QLIKE با مدل های دیگر که مدل های پارامتری هستند، مورد مقایسه قرار می گیرد و نتایج توسط آزمون دایبولد- ماریانو ارزیابی می گردد. در نهایت تابع خطایQLIKE برتری مدل گارچ ناپارامتری را در پیش بینی نوسانات نسبت به بقیه مدل های گارچ نشان می دهد.