رویکرد کاپیولا برای مدلبندی ساختار وابستگی قیمت نفت و شاخصهای بازار سهام ایران
محورهای موضوعی : مهندسی مالیمهدی آقابیگی 1 , علی اعتمادی 2 , میلاد اسلامیان 3
1 - گروه حسابداری، واحد ملکان، دانشگاه آزاد اسلامی، ملکان، ایران
2 - گروه مالی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
3 - گروه حسابداری، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، ایران
کلید واژه: قیمت نفت, شاخصهای بورس, کاپیولای بیضوی, کاپیولای ارشمیدسی,
چکیده مقاله :
هدف تحقیق حاضر مدلبندی رابطه بین شاخصهای بورس اوراق بهادار تهران با قیمت نفت بود. جامعه آماری در پژوهش حاضر شاخصهای کل قیمت، شاخص صنعت، شاخص قیمت 50 شرکت و شاخص بازار دوم و قیمت نفت در بازه زمانی 23/09/1387 تا 25/11/1398بود. به منظور تجزیه و تحلیل داده ها از روش آماری کاپیولا با استفاده از نرمافزارR استفاده شد. بدین ترتیب با استفاده از هشت تابع کاپیولای نرمال، گامبل، کلایتون، فرانک، جو، گالامبوس، هاستلرریس و تابع کاپیولای مقدار حدی تی استیودنت به مدلبندی رابطه بین شاخص ها با قیمت نفت پرداخته شد. نتایج نشان داد که رابطه بین شاخصها با قیمت نفت با استفاده از تابع کاپیولای کلایتون بهترین نتیجه را دارد. سپس بر اساس تابع کاپیولای برازش داده شده، مقدار همبستگی بر اساس ضرائب همبستگی اسپیرمنرو و کندالتاو محاسبه شد. نتایج تحلیل همبستگی نشان داد که همبستگی بین شاخص ها و قیمت نفت رابطه مثبتی بود. از آنجایی که اکثر متغیرهای مالی دارای توزیع نرمال نیستند، بنابراین تحلیلهای مختلفی که در مراکز دانشگاهی استفاده میشود، دچار نتایج اریب هستند، بنابراین پیشنهاد میشود که رابطه بین متغیرهای مالی با استفاده از کاپیولا مدلبندی شود و سپس بر اساس تابع کاپیولای برازش داده شده اقدام به تحلیل، برآورد و پیشبینی شود.
The purpose of study was to model the relationship between Tehran Stock Exchange indices and oil prices. The statistical population of the present study included total price indices, industry index, price index of 50 companies, and second market index and oil price in the period 2008/09/13 to 2018/11/25. To analyze the data, Copula statistical method was used using R software. Relationship between indices and oil prices was studied using eight capillary normal, Gamble, Clayton, Frank, Jo, Galambos, Hostelries and Copula function, respectively. The results showed that the relationship between the indices and the oil price using the Copula Clayton function was the best. The results showed that the relationship between the indices and the oil price using the Copula Clayton function was the best. Then based on the fitted Copula function, the correlation value was calculated based on Spearman and Kendall correlation coefficients. The results of correlation analysis showed that the correlation between indices and oil prices was positive. most financial variables do not have a normal distribution, the various analyzes used in academic institutions have skewed results, so it is suggested that the relationship between financial variables be modeled using copula and then fitted based on the copula function.
_||_