مدلسازی عدم تقارن و تغییرساختاری سری های زمانی مالی با استفاده از فرآیندهای چوله-نرمال مارکوف سوییچینگ گارچ

پایان نامه
چکیده

هدف این پژوهش به کارگیری skew-normal (sn) markov-switching(ms) garch جهت لحاظ نمودن چولگی در توزیع سریهای زمانی مالی است. انگیزه اصلی بیان این مدل آن است که روش متداول برای در نظر گرفتن عدم تقارن در مدل های normal(n) ms garch یعنی اضافه نمودن میانگین رژیم ها به مدل، منجر به ایجاد بازده های خود همبسته می گردد که امری نامطلوب است. جهت یک مقایسه کامل ، تمامی حالات ممکن مدل های sn ms garch و n ms garch را در نظر گرفته و نیز دو مدل بسیار معروف t-garch و skewed-t garch را هم برای رسیدن به یک چشم انداز بهتر از مدل های تغییر ساختاری بررسی خواهیم نمود. بدین ترتیب این پژوهش مجموعا 16 مدل مختلف را در برخواهد گرفت که با توجه به نتایج آزمون های انجام شده، sn ms garch بهترین عملکرد را در بین تمامی مدلها از خود نشان می دهد.

منابع مشابه

مدلسازی عدم تقارن و تغییر‌ساختاری سری‌های زمانی مالی با استفاده از فرآیندهای Markov-switching GARCH

در طول سالیان گذشته استفاده از فرآیند¬های Markov-switching (MS) جهت مدل¬نمودن دینامیک غیرخطی تلاطم سری¬های زمانی مالی به دلیل انعطاف¬پذیری آن در لحاظ ساختارهای مختلف برای داده¬ها به طور قابل ملاحظه¬ای افزایش یافته است. فرض متداول توزیع بازده، نرمال می-باشد در حالی که تحقیقات نشان داده است سری¬های زمانی مالی دارای چولگی معناداری نیز می¬باشند که چشم¬پوشی از آن می¬تواند منجر به خطا در پیش¬بینی که ...

متن کامل

مدلسازی عدم تقارن و تغییر ساختاری سری های زمانی مالی با استفاده از فرآیندهای markov-switching garch

در طول سالیان گذشته استفاده از فرآیند¬های markov-switching (ms) جهت مدل¬نمودن دینامیک غیرخطی تلاطم سری¬های زمانی مالی به دلیل انعطاف¬پذیری آن در لحاظ ساختارهای مختلف برای داده¬ها به طور قابل ملاحظه¬ای افزایش یافته است. فرض متداول توزیع بازده، نرمال می-باشد در حالی که تحقیقات نشان داده است سری¬های زمانی مالی دارای چولگی معناداری نیز می¬باشند که چشم¬پوشی از آن می¬تواند منجر به خطا در پیش¬بینی که ...

متن کامل

مدل‌سازی بازده مالی با استفاده از مدل "مارکوف ترکیبی متغیر بازمان نرمال-گارچ"

در مطالعات پیشین برای مدل‌سازی بازده مالی، از نرمال ترکیبی و همین‌طور فرایند مارکوف به ‌طور مجزا، استفاده‌ شده بود. در این تحقیق مدل نرمال ترکیبی به حالت مارکوف-نرمال ترکیبی گسترش یافته است و وزن‌های ترکیبی در هر وضعیت متغیر با زمان و تابعی از مشاهدات گذشته در نظر گرفته ‌شده‌اند و به‌ این ‌ترتیب محدودیت ثابت بودن وزن‌ها مرتفع گردیده است. پارامترهای مدل پیشنهادی با استفاده از استنتاج بیزین تخمین...

متن کامل

پیش بینی بازده مالی با استفاده از مدل "مارکوف ترکیبی متغیر بازمان نرمال-گارچ "

در این تحقیق مدل نرمال ترکیبی به حالت مارکوف-نرمال ترکیبی گسترش یافته است. وزن های ترکیبی در هر وضعیت متغیر با زمان و تابعی از مشاهدات گذشته در نظر گرفته شده مدل پیشنهادی با استنتاج بیزین تخمین زده شد و یک الگوریتم نمونه گیری گیبس برای محاسبه چگالی پسین، ایجاد شده است. کارایی الگوریتم با شبیه سازی آزموده شد، سپس در حالت دو وضعیته با یک و دو مولفه در هر وضعیت و در حالت محدودشده (میانگین صفر) توس...

نوفه زدایی از سری های زمانی مالی با استفاده از آنالیز موجک

هر مجموعه از ضرایب موجک بخشی از سری­زمانی را در مقیاس­های زمانی متفاوت در بر­دارد. پیاده­سازی تبدیل موجک، با بهره­گیری از بهترین موجک­ها در سطوح مناسب تاثیر بسزایی در نتایج تحلیل­های مالی خواهد­داشت. در این پژوهش هدف، بیان اهمیت مفهوم مقیاس-زمان و به­کارگیری فواصل زمانی متفاوت در بررسی رفتار بازارهای مالی است تا مشخص شود که آیا حذف نوفه از سری­زمانی می­تواند دقت تصمیم­گیری ما برای آینده را بالا...

متن کامل

پیش بینی نوسانات بازارهای آتی های نفت با استفاده از مدلهای گارچ و مدلهای تغییر رژیم مارکوف گارچ

دراین مقاله مجموعه­ای از مدلهای مختلف GARCH استاندارد با گروهی از مدلهای تغییر رژیم مارکوف گارچ MRS-GARCH))­براساس توانایی آنها در­ پیش­بینی نوسانات بازارهای آتی­های نفت در افق­های زمانی یک روزه تا یک ماهه مقایسه می‌شود. به منظور صحه گذاشتن بر ثبات بیش از اندازه­ای که معمولاً در مدلهای GARCH یافت می­شود و بیانگر پیش­بینی­های نوسانات بسیار بالا وبسیار نامحسوس می­باشد، پارامترهای مدلهای MRS-GARCH ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه علم و فرهنگ - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023