مدل‌سازی و پیش‎بینی نوسانات بازده در بورس اوراق‌ بهادار تهران

نویسندگان

1 دانشیار دانشکده مدیریت دانشگاه تهران، ایران

2 عضو هیئت علمی دانشکده مدیریت دانشگاه تهران، ایران

3 دانشجوی دوره دکترای مدیریت مالی دانشکده مدیریت دانشگاه‌ تهران، ایران

چکیده

در این مقاله عملکرد پیش‌بینی مدل‌های نوسان شرطی و غیر شرطی (12 مدل) در خصوص پیش‌بینی نوسان شاخص بازده نقدی و قیمت بورس تهران (TEDPIX) بر اساس معیار ارزیابی میانگین مربعات خطا (RMSE) بررسی شده است. نتایج نشان می‌دهد؛ عملکرد مدل میانگین متحرک 250 روزه، هموارسازی نمایی و CGARCH طبق معیار RMSE از دیگر مدل‌ها بهتر است. نتایج مدل‌های ترکیبی نیز نشان می‌دهد که در کل، مدل‌های غیر شرطی عملکرد بهتری نسبت به مدل‌های شرطی داشته‌اند. علاوه‎بر این، نتیجه به‎دست آمده از آماره دایبولد ـ ماریانو نشان می‌دهد که تفاوت معناداری میان قدرت پیش‌بینی مدل MA250 و مدل CGARCH وجود ندارد.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling and forecasting the volatility of Tehran Exchange Dividend Price Index (TEDPIX)

نویسندگان [English]

  • Reza Tehrani 1
  • Shapoor Mohammadi 2
  • Mohammadreza Porebrahimi 3
1
2
3
چکیده [English]

Modeling and forecasting the volatility of Tehran Exchange Dividend Price Index (TEDPIX)

The present research, analyses the forecasting performance of a variety of conditional and non-conditional models of TEDPIX volatility at the daily frequencies performance criterion namely the root mean square error (RMSE).
Under RMSE, results show MA250 and CGARCH models had better performance between non conditional and conditional models respectively. Results of combined models also show that non-conditional models have had better performance relative to conditional models. Further, result of Diebold- Mariano test shows that the forecasting performance of MA 250 is not statistically significant from that of CGARCH.

کلیدواژه‌ها [English]

  • Conditional Volatility
  • GARCH
  • non-conditional volatility
  • TEDPIX.
  • Volatility Forecasting