نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار دانشکده مدیریت و حسابداری دانشگاه علامه طباطبایی

2 دانشیار دانشکده اقتصاد دانشگاه علامه طباطبایی

3 دانشجوی دوره دکتری حسابداری

چکیده

این مقاله به مقایسه صحت پیش بینی تلاطم مدلهای ساده با مدلهای پیچیده تر سری های زمانی، مدل های شرطی طبقه آرچ، در بورس اوراق بهادار تهران و بورس های توسعه یافته شامل دو شاخص اصلی بورس اوراق بهادار تهران و 8 شاخص دیگر از بورس های بین المللی به مدت 10 سال، طی دوره 1378 تا 1387، میپردازد. صحت پیش بینی این مدل ها در بورسهای مختلف با استفاده از روش شناسی خارج از نمونه مورد ارزیابی واقع میشود. مدل های مورد استفاده در این مقاله شامل مدل های گام تصادفی، میانگین تاریخی، میانگین متحرک، هموارسازی نمایی، میانگین متحرک موزون نمایی، رگرسیون و مدل های طبقه آرچ، ARCHT GARCH، EGARCH، GJR-GARCH میباشد. جهت ارزیابی صحت پیش بینی نیز از توابع زبان متقارن شامل، میانگین کامل خطا، ریشه دوم میانگین مجذور خطا، و میانگین درصدی کامل خطا، استفاده گردیده است. نتایج آزمون های تجربی نشان میدهد که در غالب بورس های بین المللی، مدل GJR-GARCH رتبه اول، مدل GARCH در غالب بورس ها در رتبه دوم قرار گرفته و مدل گام تصادفی، مدلی است که بدترین پیش بینی را در اکثر بورسهای مذکور حاصله نموده است. از سوی دیگر نتایج آزمون در مورد بورس تهران به گونه نتایج متفاوتی است، به نحوی که مدل ساده نمایی بهترین پیش بینی و مدل گام تصادفی تقریبا رتبه دوم را کسب نموده است، در نهایت اینکه مدل میانگین تاریخی بدترین نوع پیش بینی را حاصا نموده و مدل های طبقه آرچ نیز پیش بینی مناسبی را در بورس تهران به نمایش نگذاشته اند.

 دانشجوی دوره دکتری حسابداری

کلیدواژه‌ها

عنوان مقاله [English]

The Volatility Forecasting of Tehran& International Stock Exchanges

نویسندگان [English]

  • H. Khaleghi Moghadam 1
  • S. Moshiri 2
  • K. Pakizeh 3

چکیده [English]

Stock prices are one of the most volatile economic variables and forecasting stock prices and their returns has proved very challenging, if not impossible. In this paper, we apply a battery of linear and nonlinear models to forecast the returns in nine international stock exchanges for the period 1998-2008. The models are random walk, historical mean, moving average, exponentially something, AR, and GARCH  class  models including ARCH, GARCH, GJR- GARCH" and EGARCH. Volatility is defined as within- month standard deviation of continuously compounded daily returns (log-returns) on the indices of main stock exchanges. We compare the forecasting results of the eight major international stock exchanges with the Tehran stock exchanges (TSE), where the market is highly regulated and therefore less subject to volatility. To evaluate the forecasting results, we use three symmetric loss functions including the mean absolute error, root mean squared error, and the mean absolute percentage error.
Results suggest that the GJR- GARCH model provides the superior forecasting    performance   in   comparison    with   other   volatility forecasting models in international exchanges. However, the simple smoothing model provides superior performance in TSE.  While random walk model provides the worst performance for international exchanges, it is a good performing model, second in order, in TSE. Historical average model provides the worst performance and ARCH class models do not rank high in forecasting competition for TSE.

کلیدواژه‌ها [English]

  • Volatility
  • Naive Models
  • GARCH Class Models
  • Out-of-Sample forecasting