مدلسازی و ارزیابی پیش‌بینی مدل‌های مختلف حافظه کوتاه مدت، حافظه بلندمدت، مارکوف سوئیچینگ و هایپربولیک گارچ در پیش‌بینی نوسانات قیمت نفت خام اوپک

محورهای موضوعی : مهندسی مالی

محمود محمدی الموتی ¹ , محمدرضا حدادی ² , یونس نادمی ³

1 - ریاضی، علوم پایه، آیت الله بروجردی، بروجرد، لرستان، ایران
2 - استادیار ریاضی، دانشگاه آیت الله العظمی بروجردی (ره)، بروجرد، ایران
3 - استادیار اقتصاد، دانشگاه آیت الله العظمی بروجردی (ره)، بروجرد، ایران

تاریخ دریافت : 1396/08/05 تاریخ پذیرش : 1396/09/05 تاریخ انتشار : 1397/01/01

کلید واژه: ارزیابی پیش‌بینی, قیمت نفت خام اوپک, مدل‌های تک رژیمی گارچ, مدل مارکوف رژیم سوئیچینگ گارچ,

چکیده مقاله :

پیش‌بینی در بازارهای مالی بسیار پیچیده است و دلایل این پیچیدگی را می‌توان به مواردی چون نا‌ایستایی داده‌ها، غیرخطی بودن روند داده‌ها و تغییرات زیاد داده‌ها خلاصه کرد. تعیین الگوی مناسب جهت پیش‌بینی نوسانات می‌تواند در راستای تصمیم‌گیری نقش بسزایی ایفا کند. در مدل‌های اقتصاد سنجی قدیمی، فرض بر این است که پراکندگی جزء اختلال در کل دورۀ زمانی نمونه ثابت می‌باشد. اما در بسیاری از سری‌های زمانی مالی مشاهده می‌شود که در دوره‌هایی نوسانات بسیار شدید می‌باشد. با این شرایط، فرض وجود همسانی واریانس دیگر معقول به نظر نمی‌رسد. در مقاله حاضر مدل‌های تک رژیمی GARCH، IGARCH، EGARCH، GJR-GARCH، FIEGARCH، HYGARCH و مدل دو رژیمی MRS-GARCHدر پیش‌بینی نوسانات قیمت نفت اوپک در طی سالهای 2010 الی 2016 مورد ارزیابی قرار گرفته و بر اساس معیار خطای RMSEدقت عملکرد آن‌ها سنجیده شده است. نتایج حاصل از این ارزیابی نشان از برتری مدل دو رژیمی مارکوف سوئیچینگ گارچ در افق‌های 5 و 22 روزه دارد. همچنین مدل حافظه بلند مدت FIEGARCHدر افق‌های پیش‌بینی 1 و 10 روزه از عملکرد بهتری در پیش‌بینی نوسانات قیمت نفت نسبت به سایر مدل‌های رقیب برخوردار می‌باشد.

چکیده انگلیسی:

Predictability in financial markets is very complex, and the reasons for this complexity can be summarized as non-standard data, nonlinear data flow, and large variations in data. Determining the proper pattern for forecasting volatility can play a significant role in decision making. In the old econometric models it is assumed that the component of error constant during the sample period. But in many financial time series it is observed that during periods of volatility is very sever. Under these conditions, the assumption of the exictence of the equivalence of variance is no longer reasonable. In the present paper, the GARCH, IGARCH, EGARCH, GJR-GARCH, FIEGARCH, HYGARCH, and MRS-GARCH two-regime models were evaluated in prediction of OPEC crude oil price volatility during 2010-2016 based on their RMSE error criterion. The results of this evaluation show the superiority of the Markov Switching GARCH Model on the 5 and 22-day horizons. Also, the long-term FIEGARCH memory model in predicting horizons of 1 and 10 days has better performance in predicting oil price volatilities than other competing models.