بررسی روند بازدهی سهام با استفاده از مدل خود بازگشتی چرخشی مارکف

بررسی روند بازدهی سهام با استفاده از مدل خود بازگشتی چرخشی مارکف

نویسندگان

1 دانشگاه رازی

2 دانشگاه اصفهان

چکیده

امروزه با وجود روش های مختلف برای بررسی‌های بازارهای مالی، هنوز پیش‌بینی دقیق بازده سهام کار چندان ساده‌ای نیست. از گذشته تا به امروز مدل‌های خود رگرسیون (AR) که توسط باکس و جنکینز معرفی شد در پیش بینی مسائل متعددی مثل مسائل مالی استفاده می‌شود و اساس عملکرد این‌گونه مدل ها این است که مقادیر آینده سری، با مقادیر گذشته و جاری سری رابطه داشته اند. از طرفی مدل‌سازی قیمت سهام نیز همیشه از موضوعات جذاب در بورس اوراق بهادار می‌باشد.در این راستا مدل‌سازی و پیش‌بینی روند بازدهی سهام با استفاده از خانواده اتورگرسیو با دو رژیم بسیار مفید و می‌باشد.
این مقاله در پی این است که نرخ بازدهی شاخص مالی را در ارتباط با احتمالات انتقال مجزا که مربوط به دو رژیم مجزا می‌باشد، مدل‌سازی کند. این‌گونه مدل‌ها برای پیش‌بینی کوتاه‌مدت بسیار مفید می باشند.روش این مطالعه روش مدل اتورگرسیو مارکف (MS-AR) می‌باشد.
برآوردهای تجربی این مقاله حاکی از آن است که نوسانات شاخص مالی بورس اوراق بهادار ایران می‌تواند توسط الگوی خود بازگشتی مارکف نسبت به مدل‌های بازگشتی ساده بهتر توصیف شوند. برتری مدل‌های خود بازگشتی مارکف برای ضرایب مثبت در تأخیرهای کم واضح‌تر می‌باشد. مدل مارکف انتقالات بین حالت رکودی و حالت رونقی (حالت پر نوسان و کم نوسان ) را مدل‌سازی می‌کند و مدل خود بازگشتی مارکف یک روش غیرخطی است که پرش ها و بحران های بازارهای مالی را بسیار خوب مدل‌سازی می‌کند و این خاصیت به خاطر تفکیک داده‌های سری به رژیم‌های مختلف می‌باشد.
مدل چرخشی خود بازگشتی مارکف می‌تواند به صور دقیق مهر و موم‌های اخیر رژیم در بازار سهام و شوک‌های وارد شده به بازار سهام ایران را شناسایی کند. نوسانات بازده سهام را توانسته به دو رژیم پر نوسان و کم نوسان تفکیک کند نتایج نشان می‌دهد که در بازار ایران مدت ماندن بازار در رژیم پر نوسان طولانی‌تر از مدت ماندن در رژیم کم نوسان است در ایران بازار سهام بیشتر در رژیم پر نوسان می‌باشد و این موضوع برای سرمایه‌گذاران از جنبه برای سودآوری مهم می‌باشد زیرا می‌توان از این نوسانات فرصت سودآوری را شناسایی نمود.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of Stock Returns Pattern Using Markov Switching AR

نویسنده [English]

  • minoo nazifi naeini
چکیده [English]

Today there are different methods for evaluation of financial markets, but yet predicting stock returns accurately is not so simple. From the past to the present, Auto Regressive models introduced by Box and Jenkins are used in predicting various issues like financial matters and the performance of these models shows that there are links between future values of the series and current and past values . Beside the modeling, the stock price on the stock exchange is always an interesting topic. In this context, modeling and forecasting stock returns using autoregressive process with two regimes are very useful.
This paper is seek to model the rate of return on financial indicators in relation with the transition probabilities in two distinct regimes. these models are also very useful for short term forecasting. Methods in This study is autoregressive Markov model (MS-AR).
It is mentioned that financial stock cycles can be described better with some models with two regimes than a simple AR model. MSAR is a non-linear model that can model jumps and the financial crisis well due to the breakdown of the data series.
Markov model can identify accurate years of regime change in Iran and explain the dates of shocks in detail. This model have the ability to manage separation of stock returns with low and high volatility regimes. The results show that the market remained in the high volatility regime for a longer period than low volatility regime. This is important because investors can make profit from the volatility of the profit opportunities identified

کلیدواژه‌ها [English]

  • AR Models
  • Forecasting
  • Markov Switching Models
  • Stock Returns
  • Volatility Regime.