مدلسازی و پیش‌بینی نوسان تحقق‌یافته با در نظر گرفتن پرش در بورس اوراق بهادار تهران
محورهای موضوعی : مهندسی مالی
سعید فلاحپور
1
(استادیار گروه مدیریت مالی و بیمه، دانشکده مدیریت دانشگاه تهران، تهران، ایران)
وحید مطهری نیا
2
(کارشناسی ارشد مهندسی مالی، دانشکده مدیریت دانشگاه تهران، تهران، ایران)
کلید واژه: بورس اوراق بهادار تهران, نوسان تحقق یافته, مدلسازی نوسان, HAR-RV, شناسایی پرش,
چکیده مقاله :
در سال‌های اخیر بازارهای مالی با نوسانات زیادی مواجه شده و عدم اطمینان ناشی از این نوسان‌ها، نگرانی‌هایی را در سرمایه‌گذاران ایجاد نموده است. از این رو مدلسازی نوسان و پیش‌بینی آن در مسائل مختلف تحقیقی و عملی مالی، مورد توجه قرار گرفته است. در این راستا، امکان دسترسی به داده‌های پرفراوانی، عرصه‌ی جدیدی برای مدلسازی نوسان و پیش‌بینی بازده دارایی‌های مالی ایجاد نموده است. در این پژوهش، مدلسازی نوسان با استفاده از داده‌های پرفراوانی و با کمک مدلهای خانواده‌ی HAR-RV، انجام شده و اثر اضافه نمودن جزء پرش در کارایی پیش‌بینی نوسان شاخص کل بورس اوراق بهادار تهران مورد بررسی قرار گرفته است. نتایج مدلسازی و پیش‌بینی حاکی از این است که خطای پیش‌بینی با اضافه نمودن جزء پرش به مدل کاهش یافته و همچنین مجزا نمودن اجزای پرش و پیوسته نوسان تحقق‌یافته نیز در بهبود کارایی پیش‌بینی تاثیرگذار است.
In recent years, financial markets have faced with high volatility so that the unreliability caused by this, has made investors to be concerned. Therefore, volatility modeling and prediction is taken into consideration in various researches and practical issues. In this regard, access to high frequency data creates a new field in volatility modeling and return prediction of financial assets. In this Thesis using high frequency data, the volatility modeling has been performed by HAR-RV family models, and the effect of adding jump component to volatility prediction efficiency of index is studied in Tehran Securities Exchange. The results of modeling and prediction suggest that the forecast error is decreased by adding jump component into model, and also the separation of jump and continuous components of realized volatility is effective on performance improvement.
_||_