پایان نامه ارشد درمورد مدل‌سازی، بازار سهام، رگرسیون، قیمت سهام

دانلود پایان نامه ارشد

بورس تهران با استفاده از مدل‌های خانواده GARCH شامل GARCH ، IGARCH و EGARCH به رتبه‌بندی آنها بر اساس میانگین ریسک دوره مطالعاتی پرداخت. از کاستی‌های این مطالعه می‌توان به عدم درنظر گرفتن اثرات بازخورد و استفاده صرف از تابع توزیع نرمال اشاره داشت.
سحابی و همکاران (1394) نیز در مطالعه‌ای به محاسبه ارزش در معرض ریسک دو صنعت استخراج کانه‌های فلزی و دارو با استفاده از دو رویکرد مدل‌‌های GARCH ساده  و مدل آنالیز موجک-GARCH پرداختند. نتایج مطالعه نشان داد که مدل آنالیز موجک-GARCH عملکرد بهتر و کاراتر نسبت به مدل رقیب خود دارد. ایراد وارده بر این مطالعه مربوط به تعیین سطوح تجزیه فرکانس، مرتبه پایین دبوچی مورد استفاده در فیلترینگ و عدم توانایی مدل‌سازی واریانس شرطی بر حسب نوع توزیع مورد استفاده اشاره داشت.
با بررسی مطالعات صورت گرفته بر روی اندازه‌گیری ریسک با استفاده از روش VaR بر مبنای مدل‌های خانواده GARCH در مطالعات داخلی و خارجی مشاهده می‌گردد که با توجه به اینکه این حوزه، حوزه مشترک اقتصاد و مدیریت مالی می‌باشد، مطالعات نسبتاً قابل توجه‌ای از سوی محققین این دو حوزه صورت گرفته است. با این وجود برخی انتقادات بر این مطالعات وجود دارد. به عنوان نمونه در برخی از مطالعات صورت گرفته توسط محققین مالی (مدیریت مالی) برخی مولفه‌های اساسی نظیر تعیین تعداد بهینه جملات خودرگرسیو (AR125) و میانگین متحرک (MA126) در مدل میانگین، رعایت نشده و در برخی موارد، آزمون اثر ناهمسانی مورد غفلت قرار گرفته است. همچنین در این مطالعات صرفاً از مدل GARCH برای استخراج ریسک استفاده شده است. علاوه بر موارد فوق، انتقادات ذکر شده در بخش مربوط به تعیین مدل بهینه GARCH از جمله عدم توجه به تنوع مدل میانگین واریانس شرطی، استفاده محدود از تابع توزیع GED، عدم درنظر گرفتن اثرات اهرمی و بازخورد در مدل‌سازی واریانس شرطی، عدم دسترسی به معیار مناسب جهت انتخاب توزیع و مدل بهینه، نادیده گرفتن انتقالات رژیمی و… نیز از دیگر نقص‌هایی است که اکثر این مطالعات را متوجه خود ساخته است. با این وجود در پیوست (ج) جدولی متشکل از مطالعات صورت گرفته به همراه نتایج ارائه شده است.

2-3-4 زنجیره مارکوف
نادیده گرفتن انتقالات رژیمی یا شکست‌های ساختاری در فرآیندهای مالی از دو دیدگاه استنباط آماری127 و نیز اقتصادی قابل بررسی است. از جنبه استنباط آماری نشان داده شده است که مورد توجه قرار ندادن شکست‌های ساختاری در سری‌های زمانی مالی می‌تواند ماندگاری کاذب128 در نوسان‌پذیری شرطی ایجاد نماید(سارنج، 1391). از دیدگاه اقتصادی، مدارک تجربی مبنی بر وجود شکست‌های ساختاری تاثیرگذار بر نشانگرهای مالی بنیادین129 در بازارهای مالی وجود دارد. مثال‌هایی از این نشانگرها شامل بازده‌ها و نوسان‌پذیری مالی (لامورکس و لاسراپس130 (1990)، اندریو و گیسل131 (2006)، هورواث و همکاران132 (2006))، شکل نوسان‌پذیری ضمنی اختیار معامله ( باتیس133 (2000))، تخصیص دارایی (پیتنزو و تیمرمن134 (2005))، صرف سهام( پاستور و استنباخ135 (2001)، چانک جین کیم و همکاران136 (2005))، دنباله توزیع و معیارهای مدیریت ریسک مانند ارزش در معرض ریسک و کسری مورد انتظار137 ( آندریو و گیسل (2005)) و نیز مدل‌های ریسک اعتباری و معیارهای نکول (آندریو و گیسل (2007)) می‌باشند. همچنین مدارک تجربی نشان می‌دهد که رخدادهای اقتصادی گوناگون می‌تواند منجر به تغییرات ساختاری در سری‌های زمانی مالی گردد. برخی از این رخدادها شامل آزادسازی مالی138، بازارهای نوظهور، ادغام139 بازارهای سهام جهان، تغییرات در رژیم‌های نرخ ارز مثل سقوط نظام نرخ ارز و معرفی پول جدید در اروپا می‌باشند(سارنج، 1391). همچنین تغییرات رژیمی معمولاً بخاطر بحران‌های اقتصادی و مالی رخ می‌دهند. این رخدادها باعث تغییرات در فرآیند پویای سری زمانی مالی و انگیزه‌ای برای استفاده از مدل‌های سوئیچینگ رژیم می‌باشد (علویی و جمازی140 (2009)).
از اینرو در دو دهه گذشته، تحقیقات نظری و تجربیات زیادی در مورد مدل‌سازی نوسان‌پذیری در بازارهای مالی صورت پذیرفته است. بازارهای مختلف گاهی اوقات بسیار آرام و در زمان‌های دیگر بسیار پرنوسان می‌باشد. توصیف چگونگی تغییرات نوسان‌پذیری در طول زمان به دو دلیل بسیار مهم است: اول ریسک دارایی مشخصه مهمی از قیمت آن می‌باشد و از آنجایی که نوسان‌پذیری معمولاً به عنوان معیار ریسک مورد استفاده قرار می‌گیرد، برای مدیران پرتفوی، معامله‌گران و… بسیار مهم می‌باشد. دوم استنباط اقتصادسنجی کارا درباره میانگین شرطی متغیر، مستلزم تصریح درستی از واریانس شرطی آن می‌باشد. (همیلتون و سوسمل (1994)) در این رابطه یک رویکرد معروف برای مدل‌سازی نوسان‌پذیری در قالب مدل سوئیچینگ مارکوف، تصریح ناهمسانی واریانس شرطی خودرگرسیون (ARCH) معرفی شده توسط انگل (1982) می‌باشد. همیلتون و سوسمل (1994) مدل ARCH با پارامترهای سوئیچینگ رژیم را به منظور مورد توجه قراردادن تغییرات ناگهانی در نوسان‌پذیری معرفی نمودند. استفاده از این مدل نه تنها تغییرات چشمگیر ناگهانی یا انتقالات رژیمی را قادر می‌سازد بلکه گشتاورهای مرتبه دوم شرطی متغیر در زمان نیز در درون این رژیم‌ها مورد توجه قرار می‌گیرد. در واقع مسئله ماندگاری کاذب و بالای فرآیند ARCH را می‌توان با درنظر گرفتن انتقالات ناگهانی حل نمود (سارنج، 1391).
مدل‌سازی سری زمانی تغییرات رژیمی زمانی آغاز گردید که کوانت141 (1958) مدل رگرسیونی سوئیچینگ142 که پارامترهای سیستم رگرسیون خطی آن از دو رژیم مجزا پیروی می‌کند را مطرح کرد. فرض مدل او این است که حداکثر یک سوئیچی در سری‌ها وجود دارد، به طوری که m مشاهده اول (m‌ نامشخص) در سری زمانی توسط رژیم 1 و n-m مشاهده باقیمانده توسط رژیم 2 ایجاد می‌گردد. به طور واضح، فرض تنها یک سوئیچ میان رژیم‌ها در محیط پویای اقتصادی و مالی بطور آشکارا غیرواقعی است (کوانت، 1958). بنابراین گلدفلد143 و کوانت (1973) مدل رگرسیونی سوئیچینگ را بگونه‌ای تعمیم دادند که تغییرات رژیمی مجاز به پیروی از زنجیره مارکوف گردد. فرض مدل آنها این است که سیستم ممکن است میان دو رژیم بارها در طول زمان به عقب و جلو سوئیچ نماید بنابراین m1 مشاهده اول ممکن است از رژیم 1، m2 مشاهده بعدی از رژیم 2، m3 مشاهده بعدی دوباره از رژیم 1 باشد به طوری که m1, m2, m3,…..ms (∑_(i=1)^s▒〖m_i=n〗)( گولفلد و کوانت، 1973).
به همین ترتیب تحت این فرض سیستم به لحاظ نظری ممکن است میان رژیم‌هایی در هر زمانی که مشاهده جدیدی ایجاد گردد سوئیچ نموده و فرآیند سوئیچینگ رژیم از زنجیره مارکوف پیروی می‌نماید. آنها این مدل را مدل رگرسیونی سوئیچینگ مارکوف نامیدند. همیلتون (1989) براساس ایده گلدفلد و کوانت (1973) تغییرات رژیمی در داده‌های وابسته را مورد مطالعه قرار داد و مدل خودرگرسیونی سوئیچینگ مارکوف144 (MS-AR) را تدوین نمود. رویکرد او تخمین پارامترهای جامعه با استفاده از شیوه حداکثرنمودن درستنمایی را امکانپذیر نموده و مبنایی برای پیش‌بینی آتی ارز سری‌های زمانی فراهم می‌نمود.
با توجه به اهمیت مدل‌های سوئیچینگ در مدل‌سازی واریانس شرطی در ادامه به برخی از مطالعات صورت گرفته در این زمینه پرداخته می‌شود. شایان ذکر است که بخش عمده مطالعات نیز در جدول پیوست (د) به همراه نتایج ارائه شده است.
بیلیو و پلیزون145 (2000) در مطالعه‌ای کاربرد مدل نوسانات سوئیچینگ برای پیش‌بینی توزیع بازدهی و تخمین ارزش درمعرض ریسک یکروزه را برای دارایی‌های معمولی و پرتفوی معمولی بررسی کردند. آنها ارزش VaR 10 روزه بازار سهام ایتالیا و تعدادی از پرتفوی‌های مبتنی بر سهام آنها را محاسبه کردند. ارزش VaR محاسبه شده با رویکرد واریانس-کواریانس مورگان، ریسک متریکس146 و GARCH(1,1) مقایسه شد. برحسب آزمون بازخورد، ارزش VaRمحاسبه شده با استفاده ازمدل GARCH رژیم سوئیچینگ نسبت به دو مدل دیگر ترجیح داده شد. در بررسی مطالعات ایشان باید به این نکته توجه داشت که اگرچه یافته‌های این محققین جزء اولین مطالعات صورت گرفته بر پیش‌بینی ریسک بر مبنای مدل‌های سوئیچینگ می‌باشد، با این وجود عدم درنظر گرفتن سایر مدل‌های خانواده GARCH و اتکا به توزیع‌های محدود مبتنی بر فروض نرمالیتی از ایرادات وارده بر مطالعه ایشان می‌باشد.گلدولین و دتیمرتن147 (2006) مدل خودرگرسیونی برداری سوئیچینگ مارکوف چندگانه (MS-VAR) را برای بررسی اثرات خارجی 148 نوسان‌پذیری و تغییرات رژیمی در روابط پویای میان بازارهای سهام و بازار اوراق قرضه ایالات متحده جهت تبیین تغییر زمانی در میانگین، واریانس و همبستگی میان آنها پیشنهاد نموده‌اند. از جمله ایرادات وارده بر مطالعات ایشان عدم بررسی وجود اثر ARCH در مدل‌سازی روابط کوتاه‌مدت و بلندمدت GARCH و اتکا به توزیع‌های مبتنی بر فروض نرمالیتی بود.
اسماعیل و عیسی (2008) مدل MS-AR دو رژیمی را برای درنظر گرفتن رفتار انتقالات رژیم در میانگین و واریانس در بازاره سهام مالزی پیشنهاد دادند. آنها به این نتیجه رسیدن که مدل MS-AR قادر به درنظر گرفتن زمان‌بندی انتقالات رژیمی در میان دوره (2003-1974 توسط شوک نفتی( 1947) سقوط بازار سهام 1987 و بحران مالی آسیا در 1997 می‌باشد.
ولوسچی149 (2009) نیز با استفاده از مدل سوئیچینگ مارکوف دو حالته همیلتون (1989) نشان داد که نوسان‌پذیری بازار سهام ایتالیا در دوره بلندمدت (2004-1910) افزایش یافته و رژیم‌های مختلفی در طول این سال‌ها وجود دارد. در این مطالعه نیز ایرادات وارده بر مطالعه دو محقق قبلی از جمله عدم بررسی وجود اثر ARCH در مدل‌سازی، عدم توجه به مدل‌های خانواده GARCH و تاکید بر تابع توزیع نرمال نیز مشاهده می‌گردد.
ولید و همکاران150 (2012) در مطالعه‌ای با استفاده از مدل EGARCH سوئچینگ مارکوف به بررسی رابطه پویای بین نوسانات قیمت سهام و تغییرات نرخ ارز برای چهار کشور نوظهور در طی دوره 2009-1994 پرداخت. تفکیک نتایج بین دو رژیم مختلف در دو متغیر توزیع میانگین شرطی و واریانس شرطی بازدهی سهام صورت گرفت. دو رژیم مورد نظر به ترتیب رژیم با میانگین بالا و واریانس پایین و رژیم با میانگین پایین و واریانس بالا می‌باشد. با این وجود ایشان شواهد قوی که رابطه بین بازار سهام و بازار ارز مبتنی بر وابستگی رژیمی است و واکنش نوسانات قیمت سهام بصورت نامتقارنی از روز دادهای بازار ارز می‌باشد فراهم کردند. همچنین نتایج مطالعه ایشان نشان داد که تغییرات نرخ ارز تاثیر معناداری بر احتمال انتقال در میان رژیم‌ها دارد. در مطالعه ایشان پیشرفت قابل توجه‌ای در توسعه مدل‌های خانوادهGARCH دیده می‌شود. با این وجود ایشان اثرات انتقالات رژیمی را بر مبنای تابع توزیع نرمال و t برای بررسی رابطه بین دو متغیر قیمت سهام و نرخ ارز مورد توجه قرار دادند. در صورت استفاده از تابع توزیع GED در این مطالعه و لحاظ نمودن اثر بازخورد در مدل‌سازی آن و همچنین مرتبط نمودن ریسک شاخص با نوسانات نرخ ارز می‌توانست نتایج مطالعات ایشان را تقویت نماید.
در مطالعات داخلی نیز برخی تحقیقات در این رابطه صورت گرفته است به عنوان نمونه راعی و همکاران (1393) در مطالعه‌ای انتقال‌های رژیمی در بازده و نوسان‌های بازار بورس اوراق بهادار تهران را با استفاده از شاخص قیمت و بازده نقدی و نیز آثار شوک‏ های مثبت و منفی نفت خام و نوسان‌های قیمت طلا را بر تغییرات رژیمی بازار سهام با استفاده از مدل گارچ‌نمایی سوئیچینگ مارکوف با فرض توزیعt طی دورة 01/03/1378 تا 29/09/1390 بررسی کردند. نتایج تحقیق بیانگر مدارک معنا‏داری از سوئیچینگ رژیمی در بازده و نوسان‌های آن بود. در این میان دو رژیم متمایز شناسایی شد. رژیم اول، با بازده مورد انتظار پایین و نوسان‏پذیری بالا موسوم به حالت رکودی بازار سهام و رژیم دوم، با بازده مورد انتظار بالا و نوسان ‏پذیری پایین موسوم به حالت رونق بازار سهام بود، به‌طوری‌که مدت زمان ماندگاری در حالت رونق بیش از دو برابر حالت رکودی است. همچنین، یافته‏ های پژوهش

پایان نامه
Previous Entries پایان نامه ارشد درمورد نوسانات نرخ ارز، جریان نقدی، مدیریت ریسک، ریسک اقتصادی Next Entries پایان نامه ارشد درمورد ریشه واحد، شاخص قیمت، نوسانات نرخ ارز، مدل ARIMA