مدلسازی عدم تقارن و تغییر ساختاری سری های زمانی مالی با استفاده از فرآیندهای Markov-switching GARCH

در طول سالیان گذشته استفاده از فرآیند های Markov-switching (MS) جهت مدل نمودن دینامیک غیرخطی تلاطم سری های زمانی مالی به دلیل انعطاف پذیری آن در لحاظ ساختارهای مختلف برای داده ها به طور قابل ملاحظه ای افزایش یافته است. فرض متداول توزیع بازده، نرمال می-باشد در حالی که تحقیقات نشان داده است سری های زمانی مالی دارای چولگی معناداری نیز می باشند که چشم پوشی از آن می تواند منجر به خطا در پیش بینی که مهمترین هدف از بررسی یک سری زمانی است گردد. بنابراین آن چه که انگیزه اصلی این تحقیق را شکل داده است معرفی MS GARCH جهت مدل نمودن تلاطم بازده است به گونه ای که مدل بتواند عدم تقارن داده های مالی را نیز لحاظ نماید. بدین ترتیب عملکرد مدل های متقارن و نامتقارن MS GARCH را بر روی شاخص بورس اوراق بهادار تهران (Tepix) با یکدیگر مقایسه خواهیم نمود. در نهایت با توجه به ارزیابی های انجام شده مدل نا متقارن Mixicept که توانایی تولید چولگی دارد بهترین عملکرد را در بین تمامی مدل ها از خود نشان می دهد.