مدل‌سازی و پیش‌بینی نوسانات بازده در بورس اوراق بهادار تهران

پیش‌بینی متغیرهای کلان اقتصادی از مهم‌ترین پارامترهای تصمیم‌گیری و سیاست‌گذاری برای برنامه‌ریزان اقتصادی در سطح کلان کشور و نیز بنگاه‌های اقتصادی محسوب می‌گردد. بر این اساس در دهه‌های اخیر مدل‌های متفاوت و گوناگونی برای پیش‌بینی متغیرها ایجاد و مورد بهره‌برداری قرار گرفته و در این میان متغیرهای وابسته به زمان که از آن‌ها به‌عنوان سری‌های زمانی نام برده می‌شود از اهمیت ویژه‌ای برخوردار گردیده است. مدل‌های پیش‌بینی جهت سری‌های زمانی در طی سال‌های اخیر ارتقا یافته و با رویکردی متفاوت مورد استفاده قرار گرفته‌اند. به موازات مدل‌های غیرشرطی همانند خود رگرسیون میانگین متحرک (ARMA) مدل‌های دیگری به‌نام مدل‌های ناهمسانی واریانس شرطی (ARCH) نیز ایجاد شده که نوع خاصی از ناهمسانی واریانس را نیز دربر گرفته و قادر به پیش‌بینی با شرط واریانس ناهمسانی نیز می‌باشند.
در این تحقیق براساس سری زمانی مربوط به شاخص قیمت و بازده نقدی (TEDPIX) در دوره زمانی اول آذر ۱۳۷۷ تا پایان اسفند ۱۳۸۵، مدل‌های واریانس غیرشرطی شامل MA (برای دوره‌های زمانی ۲۰، ۶۰، ۱۲۰ و ۲۵۰ روزه)، ES و ARMA و نیز مدل‌های واریانس شرطی شامل مدل‌های EGARCH, TGARCH, PARCH, GARCH و CGARCH تخمین و نسبت به مقایسه حالت‌های مختلف برای انتخاب بهترین مدل پیش‌بینی اقدام گردیده است.
نتایج حاصله از این تحقیق بیانگر آن است که براساس معیارهای RMSE و Theil در بین مدل‌های غیرشرطی مدل MA250 دارای اولویتبوده و در بین مدل‌های شرطی مدل CGARCH دارای رتبه نخست می‌باشد. مقایسه مدل‌های شرطی و غیرشرطی حاکی از آن است که در بین تمام مدل‌های مورد بررسی MA و ES قدرت پیش‌بینی بهترین نسبت به سایر مدل‌های شرطی دارند. ضمناً دیگر نتایج تحقیق بیانگر آن است که رابطه معنی‌داری بین رفتار نوسان و تغییرات دامنه مجاز قیمت وجود دارد. علاوه بر این تغییر در افق زمانی محاسبه بازده، بر رفتار نوسان مؤثر بوده و این امر می‌تواند بر عملکرد مدل‌های مورد استفاده اثرگذار باشد.