پیش‌بینی نوسانات در صندوق‎های قابل‌معامله در بورس تهران (ETF) با استفاده از مدل‎های پرش نوسان تحقق‎یافته (HAR, HAR-J, HARQ, HARQ-J)

الموضوعات :

شیوا حلاجی ¹ , مهدی معدنچی زاج ² , فریدون اوحدی ³ , حمیدرضا وکیلی فرد ⁴

1 - گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 - گروه مدیریت مالی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران.
3 - گروه مهندسی صنایع، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.
4 - گروه حسابداری، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

تاريخ الإرسال : 04 السبت , جمادى الأولى, 1445 تاريخ التأكيد : 12 الأحد , ربيع الأول, 1446 تاريخ الإصدار : 12 الأحد , ربيع الأول, 1446

الکلمات المفتاحية: پرش, پیش‌بینی, نوسانات,

ملخص المقالة :

هدف: این پژوهش به بررسی پیش‌بینی نوسانات از طریق ریسک پرش در صندوق‎های قابل‌معامله در بورس تهران پرداخته است تا از طریق سازوکار پیش‎بینی نوسانات، نقش مهمی را در گزینه‎های قیمت‎گذاری دارایی‎های مالی بازی کند.

 روش‌شناسی پژوهش: در این پژوهش از سه خانواده اصلی خودرگرسیون ناهمگن جهت پیش‌بینی نوسانات با لحاظ‌کردن پرش‌ها در قالب یک مدل اقتصادسنجی با تخمین مدل‎های خودرگرسیون ناهمگن پرداخته است؛ چنانچه مدل‌های مختلف را مورد مقایسه قرار دهد، داده‎های مورداستفاده برای تخمین مدل‎ها تحت مفهوم نوسانات تحقق‌یافته بر اساس داده‌های با فراوانی بالا ایجاد شده است که مقادیر دقیق و دقیق‎تری را ارائه می‌دهند. ازاین‌رو، داده‌های مورداستفاده پژوهش از طریق شش صندوق سهامی و درآمد ثابت برای یک دوره مالی 1399 الی 1401 به‌صورت روزانه و پانزده‌دقیقه‎ای جمع‎آوری شدند.

یافته‌ها : نتایج بیانگر آن است که از بین صندوق‎ها، قدرت پیش‎بینی‎کنندگی نوسانات در صندوق‎های سهامی بیش‌تر است. همچنین نتایج نشان داد که خودرگرسیون درجه دوم ناهمگن با پرش، مؤثرترین مدل خودرگرسیون ناهمگن برای مدل‌سازی و پیش‌بینی نوسان تحقق‎یافته بر اساس معیار‌های میانگین مربعات خطا و شبه درست‌نمایی بوده است. به‌علاوه شواهد قویاً تأیید می‌کنند که مدل‎های مبتنی بر تغییرات توان دوم نسبت به همتایان خود در پیش‌بینی نوسان تحقق‎یافته برتری دارند که نوید پیش‌بینی‌های دقیق‌تر و تخمین‌ نوسان بهتر از مدل‎های خودرگرسیون ناهمگن درجه دوم است.

اصالت / ارزش‌افزوده علمی : این پژوهش بینشی به تفاوت بین مدل‎های خودرگرسیون ناهمگن و در گروه مدل خودرگرسیون ناهمگن ارائه داده است تا نتایج آن بتواند مورداستفاده تمامی تحلیلگران و مدیران صندوق‎های سرمایه‎گذاری قرار گیرد.