مقایسه پیش‌بینی نوسانات شاخص سهام بورس تهران در رویکرد گارچ-میداس و رگرسیون کوانتایل

نویسندگان

1 دانشیار اقتصاد، دانشکده اقتصاد، دانشگاه خوارزمی

2 کارشناسی ارشد مهندسی صنایع سیستم‌های کلان اقتصادی اجتماعی، دانشکده اقتصاد، دانشگاه خوارزمی

3 کارشناسی ارشد مهندسی صنایع سیستم‌های کلان اقتصادی اجتماعی، دانشکده اقتصاد، دانشگاه خوارزمی

doi
10.22075/jem.2023.30386.1830
چکیده

در این پژوهش مدل گارچ-میداس با این هدف به کار گرفته می‌شود که کاستی مدل‌های گارچ، یعنی اتکا به تقارن در زمینه‌های تواتر داده‌ها را جبران کند. از همین روی،‌ مزیت و افزوده این مدل به مدل‌های گارچ و دیگر مدل‌های سری زمانی، ترکیب داده‌هایی است که تواتر متفاوت دارند. بدین منظور، بازدهی سهام بر اساس ترکیبی از داده‌های روزانه با هفتگی، مدل‌سازی می‌شود. اما مدل کوانتایل نیز از جمله مدل‌های جدیدی است که در عوض تواتر متفاوت، بر کل توزیع تمرکز دارد و رگرسیون را بر اساس توزیع کل داده‌ها انجام می‌دهد و مبتنی بر خصوصیت توزیع نرمال نیست. مسئله تحقیق حاضر از همین تفاوت میان مدل گارچ-میداس و کوانتایل، شکل گرفت و سازمان‌دهی تحقیق بر اساس آن انجام شد. یافته‌های تحقیق نشان داد که مدل گارچ-میداس نسبت به مدل کوانتایل،  برازش بهتری دارد و از قابلیت مدل‌سازی و پیش‌بینی بهتری برای نوسان در بازدهی سهام، برخوردار است.