برآورد واریانس شرطی دارای کاربرد فراوان برای انعکاس ریسک و تلاطم در پژوهش های اقتصادی بویژه اقتصادمالی، اقتصاداجتماعی و اقتصادسیاسی است. بنابراین، دستیابی به برآوردهای دقیق واریانس شرطی از اهمیت ویژه ای برخوردار است. اخیرا" هانسن واریانس شرطی یا تلاطم تحقق یافته را به صورت همزمان مدلسازی نموده که به مدل گارچ تحقق یافته معروف شده است. هدف اساسی در این مقاله معرفی مدل گارچ تحقق یافته نا متقارن با ضریب فازی است تا بتوان سرانجام با انعطافپذیری بیشتر واریانس شرطی دقیقتری را برآورد نمود. برای این منظور، واریانس شرطی برآورد شده از مدل گارچ تحقق یافته نامتقارن با ضریب فازی با مدل های مرسوم GARCH، EGARCH و GJR-GARCH و همچنین مدل RGARCH هانسن با دو معیار مختلف از تلاطم تحقق یافته شاخص کل بورس تهران مقایسه شده است. برای ارزیابی خوبی برازش از مقدار تابع درست نمایی استفاده شده است. با توجه به این معیار، مدل پیشنهادی گارچ تحقق یافته با ضریب فازی از خوبی برازش بالاتری بر داده های درون نمونه ای در مقایسه با سایر مدل ها برخوردار بوده اند. برای ارزیابی دقت پیش بینی واریانس شرطی نیز از روش پنجره غلتان با دو تابع زیان MSE و QLIKE استفاده شده است. نتایج حاکی از آن است که مدل گارچ تحقق یافته با ضریب فازی براساس هردو تابع زیان بهترین عملکرد را داشته است.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

ایران به دلیل مجاورت با دریا و دارا بودن فلات های گوناگون، کشوری بادخیز است. آمارهای جهانی 30 سال گذشته حاکی از افزایش نیازهای انرژی جهان است و استفاده بهینه از منابع انرژی های تجدیدپذیر، از جمله انرژی باد برای تولید برق ارزان به ویژه براساس نگرش های زیست محیطی در بسیاری از کشورهای جهان رو به افزایش است. به دلیل ناپایداری انرژی باد استفاده از آن با چالش مواجه است که با مدل­سازی نوسانات سرعت باد، می توان این مشکل را کاهش داد. شهر اردبیل بادخیز و تحت تاثیر دو نوع باد محلی و جبهه ای است. در این مقاله داده های ثبت شده میانگین هفتگی سرعت باد در ایستگاه هواشناسی شهر اردبیل طی سال های 1395-1380 با استفاده از الگوهای سری زمانی، مدل­های گارچ (شامل مدل گارچ و مدل­های گارچ نامتقارن) مدل­سازی می شوند. بر اساس معیارهای اطلاع BIC, AIC, HQ ، بهترین مدل برای نوسانات سرعت باد در این ایستگاه طبق نتایج، مدل گارچ تعیین گردید. برای تجزیه و تحلیل داده­ها با روش مدل­سازی باکس-جنکینز، از دو نرم افزار Eviews  وR  استفاده می شود.

در این مقاله مجموعه ای از مدل های مختلف GARCH استاندارد با گروهی از مدل های تغییر رژیم مارکوف گارچ (MRS-GARCH) بر اساس توانایی آن ها در پیش بینی نوسانات بازارهای آتی های نفت در افق های زمانی یک روزه تا یک ماهه مقایسه می شود. به منظور صحه گذاشتن بر ثبات بیش از اندازه ای که معمولا در مدل های GARCH یافت می شود و بیانگر پیش بینی های نوسانات بسیار بالا و بسیار نامحسوس می باشد، پارامترهای مدل های MRS-GARCH که بین رژیم با نوسان بالا و پایین جابه جا می شوند، مورد تجزیه و تحلیل قرار می گیرند. برای پسماندها دو توزیع شرطی دنباله پهن و گوسی فرض می شود، و درجه آزادی می تواند برای ثبت احتمال کشیدگی متغیر به زمان وابسته به حالت باشد. عملکرد پیش بینی مدل های رقیب توسط توابع زیان آماری مورد ارزیابی قرار می گیرد. بر اساس این توابع، آزمون های برابری توانایی پیش بینی نوع دیبولد- ماریانو و برتری توانایی پیش بینی، مانند بررسی واقعیت وایت و تست SPA هانسن بکار می رود. تجزیه تحلیل های تجربی نشان می دهد که طبق مجموعه گسترده ای از توابع زیان آماری مدل های MRS-GARCH عملکرد بهتری نسبت به مدل های GARCH استاندارد در پیش بینی نوسانات در افق های زمانی کوتاهتر دارند و در افق های زمانی طولانی تر مدل های GARCH نامتقارن استاندارد بهتر عمل می کنند. بر اساس این آزمون ها وجود مدل بهتر از MRS-GARCH-t رد می شود.

این مقاله از مدل های گارچ و گارچ چند متغیره جهت برآورد ارزش در معرض خطر سبد سرمایه گذاری شامل سکه و شاخص بورس اوراق بهادار از ابتدای سال 2008 تا ابتدای سال 2014 استفاده می نماید. سه رویکرد کلی؛ روش های پارامتریک، ناپارامتریک و نیمه پارامتریک در تخمین ارزش در معرض خطر وجود دارد. در میان روش های پارامتریک، روش های ناهمسانی واریانس نتایج بهتری ارائه می نمایند. از آنجایی که نوسانات میان بازارهای مختلف انتقال می یابند بایستی از روش های گارچ چند متغیره استفاده نمود. در میان روش های چند متغیره گارچ، مدل BEKK برای سری های دومتغیره نتایج بهتری ارائه می نمایند. در این تحقیق ارزش در معرض خطر را با استفاده از دو روش گارچ و گارچ چند متغیره محاسبه نموده و سپس با پس آزمایی به مقایسه نتایج دو روش می پردازیم. نتایج این پژوهش بیانگر این است که مطابق انتظار، مدل گارچ چند متغیره نتایج دقیق تر و بهتری را در مقایسه با مدل های گارچ برای محاسبه ارزش در معرض خطر سبد سرمایه گذاری نشان می دهد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

هدف این مقاله بررسی مکانیزم انتقال قیمت در بازار میگو با استفاده از مدل گارچ دو متغیره طی دوره زمانی ماهیانه 1391: 4-1380: 1 است. نتایج نشان داد نرخ تغییر قیمت های خرده فروشی، به طور جزئی، باعث تغییر قیمت های عمده فروشی می شود؛ به طوری که یک واحد افزایش در شاخص قیمت خرده فروشی، به میزان کمتر از یک واحد (2/0 واحد) شاخص قیمت عمده فروشی را افزایش می دهد؛ بنابراین، انتقال قیمت بازار میگو به صورت ناقص انجام می گیرد. نتایج آزمون هوک نشان داد انتقال قیمت در بازار میگو نامتقارن است و سرعت انتقال افزایش قیمت، بیش تر از سرعت انتقال کاهش آن است. در راستای سیاست اصلاح نظام ناقص بازار میگو توصیه می شود دولت اجرای سیاست های حمایتی غیرقیمتی را مدنظر قرار دهد.

برآورد تلاطم دارایی های مالی کاربرد فراوان در علم مالی دارد. از آنجاکه واریانس شرطی برگرفته شده از مدل گارچ میتواند سنجه مناسبی برای برآورد تلاطم باشد، این مدل ها از اهمیت بالایی برخوردار هستند. از کاربردهای برآورد واریانس شرطی می توان به ارزش گذاری اختیار معامله، انتخاب پورتفوی بهینه و مدیریت ریسک اشاره نمود. یکی از جدیدترین روش های برآورد واریانس شرطی، روش گارچ تحقق یافته می باشد که در آن واریانس شرطی و تلاطم تحقق یافته درون دوره ای به صورت همزمان مدلسازی می شود. در این مقاله واریانس شرطی با روش های GARCH، EGARCH و GJR-GARCH و همچنین مدل RGARCH با دو معیار مختلف از تلاطم تحقق یافته درون دوره ای شاخص کل بورس تهران در فاصله زمانی آبان سال 1388 تا مهر 1395 محاسبه و در نهایت مقایسه شده است. برای ارزیابی خوبی برازش از مقدار تابع درست نمایی استفاده شده است: با توجه به این معیار، مدل های گارچ تحقق یافته از خوبی برازش بالاتری بر داده های درون نمونه برخوردار بوده اند. برای ارزیابی دقت پیش بینی واریانس شرطی نیز از روش پنجره غلتان با دو تابع زیان MSE و QLIKE استفاده شده است. نتایج حاکی از آن است که مدل های گارچ تحقق یافته چه در برازش داده و چه در پیش بینی واریانس شرطی(تلاطم) شاخص بورس تهران از دقت بیشتری برخوردار هستند. از این رو استفاده از مدل گارچ تحقق یافته مدل در کارهای عملی نظیر ارزش گذاری و مدیریت ریسک، به دقیق تر شدن برآوردها منجر می شود.

هدف از مقاله حاضر، بررسی اثرات روزهای هفته بر بازده شاخص کل قیمت سهام بازار بورس تهران طی سال های 1383 تا 1388 است. در این مطالعه از روش «رگرسیون فازی با توابع عضویت مثلثی» در مقابل روش های دیگر بهره جسته ایم. مبنای این روش، فازی سازی متغیرهای مجازی با استفاده از منطق فازی است. در واقع منطق فازی ما را قادر می سازد تا ابهامات و غیرخطی های رفتار انسانی که از مشخصه های اصلی فعالیت مالی است را محاسبه نماییم. علاوه بر آن از طبقه بندی متغیرهای مجازی به صفر و یک، که در روش های آماری و اقتصادسنجی سنتی انجام می شود، اجتناب ورزیم. نتایج نشان می دهد بر اساس رویکرد رگرسیون فازی، بازده کل روز یکشنبه مثبت و معنی دار و روز سه شنبه منفی و معنی دار است.

در این مقاله ‎$n$‎ مشاهده از الگوی نوع-گارچ مفروض هستند. در این الگو مشاهدات نمونه حاصلضربی دو متغیر تصادفی در نظر گرفته می شوند، ‎$s=Zsigma^2$‎، که توزیع ‎$Z$‎ معلوم ولی تابع توزیع ‎$sigma^2$‎ نامعلوم فرض می شود. در این مقاله برآوردگر خطی موجکی تابع چگالی احتمال ‎$sigma^2$‎ تحت چهار نوع از ساختار وابستگی معرفی شده و سرعت همگرایی بهینه بدست می آید. چهار ساختار وابسته به ترتیب: آمیزندگی قوی، ‎ $beta$-‎آمیزندگی، دو به دو وابسته منفی ربعی و ‎ $rho$-‎آمیزندگی هستند.