مدل‏سازی و پیش ‏بینی توزیع بازدهی شاخص کل بازار سرمایه ایران و رمزارز بیت‏کوین با روش زمان متغیر GAS

پیش‏بینی بازدهی با کمترین خطا یکی از مسایل بسیار مهم در بازارهای مالی است که مورد توجه پژوهشگران زیادی در چند دهه اخیر قرار گرفته است. مدل‏های خطی و غیرخطی سنتی با توجه به عدم کارایی کافی مدل‏های خطی در تلاطم‏های قیمتی، عدم استخراج صحیح شکل توزیع شرطی داده‏ها به علت ضبط نشدن پویایی توزیع شرطی در مدل‏های غیرخطی و وجود فرض های محدود کننده خلاف واقعیت، توانایی مناسبی جهت پیش‏بینی بازدهی در دنیای امروز ندارد. در جهت رفع نقصان مدل‏های سنتی، در پژوهش حاضر با استفاده از روش نوین زمان-متغیر به نام امتیاز خود رگرسیونی تعمیم یافته (GAS) مدل سازی در راستای پیش‏بینی توزیع بازدهی شاخص کل بورس اوراق بهادار طی بازه 1390 الی 1399 و برای رمزارز بیت‏کوین طی بازه سال 2014 تا 2020 میلادی  انجام شده است. نتایج مدل‏سازی شده برای دو دارایی توسط مدل نوین GAS با نتایج مدل‏های GARCH و AR مقایسه شده و عملکرد آنها برای درون و برون نمونه آزموده شده است. نتایج آزمون‏های درون و برون نمونه‏ای نشان دهنده این است که جهت پیش‏بینی توزیع بازدهی روزانه شاخص کل مدل نوین GAS عملکرد بهتری داشته و برای پیش‏بینی توزیع بازدهی روزانه بیت‏کوین مدل GARCH ارجح‏تر بوده است.