مدل‌سازي و پيش‌بيني نوسانات بازده در بورس اوراق بهادار تهران

پيش‌بيني متغيرهاي كلان اقتصادي از مهم‌ترين پارامترهاي تصميم‌گيري و سياست‌گذاري براي برنامه‌ريزان اقتصادي در سطح كلان كشور و نيز بنگاه‌هاي اقتصادي محسوب مي‌گردد. بر اين اساس در دهه‌هاي اخير مدل‌هاي متفاوت و گوناگوني براي پيش‌بيني متغيرها ايجاد و مورد بهره‌برداري قرار گرفته و در اين ميان متغيرهاي وابسته به زمان كه از آن‌ها به‌عنوان سري‌هاي زماني نام برده مي‌شود از اهميت ويژه‌اي برخوردار گرديده است. مدل‌هاي پيش‌بيني جهت سري‌هاي زماني در طي سال‌هاي اخير ارتقا يافته و با رويكردي متفاوت مورد استفاده قرار گرفته‌اند. به موازات مدل‌هاي غيرشرطي همانند خود رگرسيون ميانگين متحرك (ARMA) مدل‌هاي ديگري به‌نام مدل‌هاي ناهمساني واريانس شرطي (ARCH) نيز ايجاد شده كه نوع خاصي از ناهمساني واريانس را نيز دربر گرفته و قادر به پيش‌بيني با شرط واريانس ناهمساني نيز مي‌باشند.
در اين تحقيق براساس سري زماني مربوط به شاخص قيمت و بازده نقدي (TEDPIX) در دوره زماني اول آذر ۱۳۷۷ تا پايان اسفند ۱۳۸۵، مدل‌هاي واريانس غيرشرطي شامل MA (براي دوره‌هاي زماني ۲۰، ۶۰، ۱۲۰ و ۲۵۰ روزه)، ES و ARMA و نيز مدل‌هاي واريانس شرطي شامل مدل‌هاي EGARCH, TGARCH, PARCH, GARCH و CGARCH تخمين و نسبت به مقايسه حالت‌هاي مختلف براي انتخاب بهترين مدل پيش‌بيني اقدام گرديده است.
نتايج حاصله از اين تحقيق بيانگر آن است كه براساس معيارهاي RMSE و Theil در بين مدل‌هاي غيرشرطي مدل MA250 داراي اولويتبوده و در بين مدل‌هاي شرطي مدل CGARCH داراي رتبه نخست مي‌باشد. مقايسه مدل‌هاي شرطي و غيرشرطي حاكي از آن است كه در بين تمام مدل‌هاي مورد بررسي MA و ES قدرت پيش‌بيني بهترين نسبت به ساير مدل‌هاي شرطي دارند. ضمناً ديگر نتايج تحقيق بيانگر آن است كه رابطه معني‌داري بين رفتار نوسان و تغييرات دامنه مجاز قيمت وجود دارد. علاوه بر اين تغيير در افق زماني محاسبه بازده، بر رفتار نوسان مؤثر بوده و اين امر مي‌تواند بر عملكرد مدل‌هاي مورد استفاده اثرگذار باشد.