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.

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.

با توجه به اهمیت قیمت نفت، پیش بینی صحیح قیمت سبد نفت خام کشورهای عضو اوپک می تواند نقش به سزایی در ایمن سازی اقتصاد این کشورها در مقابل اثرات ناشی از این نوسانات داشته باشد. این پژوهش تلاشی در جهت معرفی یک الگوی مطلوب، به منظور مدل سازی و پیش بینی نوسانات قیمت نفت خام اوپک خواهد داشت. در این راستا از داده های روزانه قیمت نفت خام، طی دوره زمانی 02/01/1986 الی 13/02/2017 استفاده شده است. بر این اساس، وجود ویژگی حافظة بلندمدت در معادلات میانگین و واریانس قیمت نفت خام، مورد ارزیابی و مدل سازی قرار گرفت و نتایج مدل «ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک اﻧﺒﺎﺷﺘﻪ ﺟﺰﺋﻲ خودهمبسته»، مؤید وجود ویژگی حافظه بلندمدت در هر دو معادله میانگین و واریانس سری مذکور است. اما آزمون‏های انجام شده، رفتاری غیرخطی و نمایی را در واریانس قیمت نفت خام تایید می‏نمایند. از این رو نتایج به ویژه براساس معیارهای اطلاعات و نیز معیار درصد میانگین مطلق خطا حاکی از انتخاب مدل ترکیبی از الگوی ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک اﻧﺒﺎﺷﺘﻪ ﺟﺰﺋﻲ ﺧﻮدهمبسته و الگوی واریانس ناهمسانی شرطی نمایی یعنی مدل (1,1)EGARCH - (3,09/0,4) ARFIMA، به عنوان بهترین مدل جهت مدل سازی و پیش بینی نوسانات قیمت نفت خام اوپک است و عدم توجه به رفتار غیرخطی نمایی واریانس در حافظه بلندمدت قیمت نفت خام می‏تواند تحلیل‏گران و به ویژه تصمیم‏سازان اقتصادی را دچار خطای محاسباتی نموده و از سیاست بهینه منحرف سازد.

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

یکی از شیوه های تجزیه و تحلیل داده های مالی و بررسی چگونگی تغییرات آن ها در طی زمان معین در گذشته و پیش بینی چگونگی رخداد آن ها در آینده استفاده از مدل های سری های زمانی است.در مباحث مالی به دلیل نا هم واریانس بودن مشاهدات موجود، نمی توان از مدل های سری های زمانی کلاسیک استفاده کرد. در این حالت، یکی از مدل های متداول، مدل های نوع گارچ(GARCH) است که نشان دهنده رده وسیعی از مدل های اقتصادسنجی ناهم واریانس هستند. این مدل ها اولین بار توسط بولرسلو در سال 1986 معرفی شدند. مدل های سری های زمانی مانند مدل های رگرسیونی خطای تصادفی دارند. مدل های گارچ نیز از این امر مستثنی نیستند و این خطاهای تصادفی توزیع مشخصی دارند.به دلیل این که در مدل های گارچ تغییرپذیری مستقیما قابل رویت نیست، به منظور برآورد پارامترهای موجود در این مدل ها از روش های مدل گزینی بیزی استفاده می کنند. برای این منظور، ابتدا توزیع های پیشینی را روی این پارامترها در نظر می گیرند که توزیع پسین حاصل از آن انتگرال پذیر باشد. سپس توزیع پسین پارامترها را با استفاده از روش های محاسباتی زنجیر مارکوفی مونت کارلو ، مانند نمونه گیری گیبس و الگوریتم متروپولیس- هستینگ تقریب می زنند. اگر انتگرال موجود در مخرج کسر توزیع پسین قابل محاسبه نباشد، آن گاه از روی نمونه های حاصل از توزیع پسین، درستنمایی مدل را با به کار گرفتن روش های مستقیم مدل گزینی بیزی شامل: برآوردگر میانگین همساز، برآوردگر نقاط مهم معکوس و نمونه گیری بریج برآورد می کنند. یک روش غیرمستقیم برای برآورد درستنمایی مدل، استفاده از خروجی نمونه گیری گیبس است که به برآوردگر کاندید چیب معروف است. برای بهبود این روش، با استفاده از خروجی الگوریتم MH، برای درستنمایی می توان برآوردی به دست آورد. هم چنین روش MCMC پرشی برگشت پذیر برای نمونه های تولید شده از توزیع پسین توام بر اساس روش MH استاندارد استفاده می شود.

در این مطالعه، قدرت برازش و قدرت پیش بینی مجموعه ای از مدل های انتقالی گارچ مارکف SW-GARCH، با استفاده از داده های بازار بورس اوراق بهادار تهران، طی سال های 90-1376 مقایسه می شود. در این مقاله، از مدل انتقالی گارچ مارکف برای پیش بینی نوسانات در بازار بورس اوراق بهادار تهران در افق های پیش بینی کوتاه مدت شامل یک روزه و پنج روزه (هفته ای) و دوره بلندمدت شامل ده روزه و 22 روزه استفاده شده است. علت استفاده از این مدل ها آن است که برای همه شاخص های مدل، امکان چرخش یا انتقال بین دو رژیم پرنوسان و کم نوسان وجود دارد. به همین دلیل، هم توزیع گوسی (نرمال) و هم دو توزیع دنباله پهن (-tاستیودنت و GED) برای خطاها در نظر گرفته شده است. درجه آزادی نیز بین دو رژیم نوسان تغییرپذیر تعبیه شد تا چولگی احتمالی وابسته به زمان نیز در نظر گرفته شود. نتایج تجربی نشان می دهد برای پیش بینی نوسانات بازار سهام ایران، عملکرد مدل های SW-GARCH با توزیع خطای t و با درجه آزادی متغیر بین دو رژیم، بسیار بهتر از مدل های گارچ معمولی است. حتی در برازش و بررسی های داخل نمونه ای نیز این نوع از مدل های انتقالی مارکف، رتبه اول را در زمینه قدرت برازش به خود اختصاص دادند.

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.

چکیدهپژوهش حاضر به طراحی مدل سرریز احتمال درماندگی مالی در نظام بانکی ایران با رویکرد مدل های گارچ چند متغیره پرداخته شده است.جامعه آماری شامل بانک های پذیرفته شده در بورس اوراق بهادار تهران می باشد که در بازه زمانی سال های 1395 تا 1399 مورد تجزیه و تحلیل قرار گرفته است. برای محاسبه آنها از داده های سری زمانی بازده سهام بانک ها ، ارزش حقوق صاحبان سهام ، ارزش دفتری بدهی ها و ارزش روز دارایی استفاده شده است.پژوهش حاضر با به کارگیری روشKMV و مفهوم فاصله تا نکول و با استفاده از مدل VAR و استفاده از روش گارچ چند متغیره ( DCC-GARCH )، احتمال سرریز درماندگی مالی به سایر بانک ها را مورد بررسی قرار داده است. نتایج پژوهش نشان از وجود رابطه معنادار بین ریسک درماندگی مالی بانک ها با یکدیگر بوده است؛بانک ملت در معرض بیشترین ریسک سرایت درماندگی و بانک پارسیان، کمترین اثرپذیری را نشان می دهد. بر اساس نتایج مدل، افزایش ریسک های عملکردی بانک ها از جمله ریسک اعتباری و ریسک بازار، بر افزایش ریسک درماندگی مالی تاُثیر معناداری داشته و این ریسک می تواند بر دیگر بانک ها در شبکه ارتباطی بانک ها و سپس کل اقتصاد سرایت نماید.