مدل‏های پیش‏بینی بازده سهام؛ برآورد توزیع بازده کل بازار و نوسانات آن بر پایه توزیع لاپلاس

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

 در اغلب مدل های پیش بینی بازده، از بازده کل بازار به عنوان یکی از فاکتورهای موثر بر بازده اوراق بهادار استفاده می شود. در اکثر این مدل ها همچون مدل قیمت گذاری دارایی های سرمایه ای و بلک شولز، فرض بر نرمال بودن توزیع داده ها است. این در حالیست که توزیع بازده کل، لزوما نرمال نبوده و اغلب تفاوت قابل توجهی با توزیع نرمال دارد. در صورت تایید چنین فرضیه ای، بازده موردانتظار پیش بینی شده توسط این مدل ها، کارآیی چندانی در تصمیم گیری های مالی نخواهد داشت. هدف این پژوهش، مدل سازی بازده کل بورس تهران براساس توزیع لاپلاس و بررسی تبعیت نوسانات بازده کل از توزیع موردنظر می باشد. جهت بررسی توزیع بازده روزانه کل و نوسانات هفتگی آن از داده های مربوط به یک دوره 15 ساله بین سال های1387 تا 1401و نرم افزار آماری R استفاده شده است. تحلیل داده ها نشان داد که بازده روزانه کل از توزیع لاپلاس پیروی کرده و نوسانات هفتگی بازده کل از توزیعی که براساس توزیع لاپلاس حاصل شده، تبعیت می کند. این یافته ها، بکارگیری مدل هایی با پیش فرض نرمال بودن بازده کل، جهت پیش بینی بازده سهام در بورس اوراق بهادار تهران را با چالشی اساسی مواجه می سازد و دلیلی واضح بر ناکارآمدی این مدل ها می باشد

زبان:
فارسی
صفحات:
51 تا 70
لینک کوتاه:
magiran.com/p2685489 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • 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.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!