تغییرات نوسانات ریز ساختار بازار سهام ایران توسط برجام

محورهای موضوعی : مهندسی مالی

پریناز جلا ¹

1 - مهندسی مالی، دانشکده مهندسی، دانشگاه علم و فرهنگ، تهران

تاریخ دریافت : 1396/11/29 تاریخ پذیرش : 1397/03/03 تاریخ انتشار : 1397/07/01

کلید واژه: جهش, برجام, نوسانات, اختلالات ریز ساختار, از پیش متوسط گیری,

چکیده مقاله :

در سال های اخیر در ایران معاملات با فرکانس بالا مورد توجه تحلیل گران مالی قرار گرفته است و کار با این داده ها مستلزم روش های خاص به دلیل وجود اختلالات ریز ساختار می باشد. در این پژوهش هدف بررسی نوسانات ریزساختار بازار ایران با توجه به قرارداد برجام در ماه های می تا اکتبر سالهای 2014-2016 میلادی به صورت کوتاه مدت است. به این منظور از اطلاعات مربوط به شاخص کل، شاخص های بانک، سرمایه گذاری نفت، سرمایه گذاری صنعت پتروشیمی و خودرو که از جمله مهم ترین شاخص ها در ایران تلقی می شوند، استفاده شده است. برای برآورد ماتریس کوواریانس نوسانات از روش "از پیش متوسط گیری" به منظور کنترل اثر اختلالات ریز ساختار و روش "هایاشی یوشی" به منظور همزمان سازی اطلاعات شاخص ها استفاده شد. همچنین جهش های قیمتی به منظور برآورگری دقیق تر حذف گردید. بررسی نوسانات روزانه و مقایسه آنها بیانگر ایجاد تغییرات مثبت برجام در نوسانات شاخص کل، بانک و سرمایه گذاری صنعت نفت بود. از سوی دیگر شاخص های سرمایه گذاری صنعت پتروشیمی و خودرو چندان تحت تاثیر برجام نبودند. در انتها نیز به منظور پیش بینی نوسانات، مدل های سری زمانی بر اساس نوسانات روزانه شاخص ها ارائه شده است.

چکیده انگلیسی:

In the recent years, high frequency trading is becoming more popular among financial analysts in Iran. To analyze these data need special methods because of microstructure noise effect. In this study, the goal is assessment of realized volatilities according to the BARJAM effect from May to October in 2014 and 2016. This study uses the information about crucial Iran indices: Total index, Bank, Oil Industry Investment, Petrochemical Industry Investment and Automobile Industry indices. To estimate Integrated Matrix using “Pre-averaging” because this approach is able to control the effect of microstructure noise and, “Hayashi-Yoshida” is used to synchronization among indices.  Moreover, the price jumps are removed to get more accurate estimator. The study of daily volatilities and their comparison show a positive effect of BARJAM on Total index, Bank and Oil Industry Investment, but there is not noticeable influence in Automobile Industry and Petrochemical Industry Investment. Finally, time series is modeled to forecast the volatility of indices in a short term.