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.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.