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

محورهای موضوعی : دانش مالی تحلیل اوراق بهادار

مرتضی بکی حسکوئی ¹ (ندارد)
فاطمه خواجوند ² (مسئول مکاتبات)

تاریخ دریافت : 1392/12/20 تاریخ پذیرش : 1393/02/15 تاریخ انتشار : 1393/07/20

کلید واژه: مدلهای تغییر‌رژیم مارکوف گارچ , مدلهای GARCH, نوسانات, پیش‌بینی, ارزیابی پیش‌بینی, توزیع‌های دنباله پهن,

چکیده مقاله :

دراین مقاله مجموعه ای از مدلهای مختلف GARCH استاندارد با گروهی از مدلهای تغییر رژیم مارکوف گارچ MRS-GARCH)) براساس توانایی آنها در پیش بینی نوسانات بازارهای آتی های نفت در افق های زمانی یک روزه تا یک ماهه مقایسه می‌شود. به منظور صحه گذاشتن بر ثبات بیش از اندازه ای که معمولاً در مدلهای GARCH یافت می شود و بیانگر پیش بینی های نوسانات بسیار بالا وبسیار نامحسوس می باشد، پارامترهای مدلهای MRS-GARCH که بین رژیم با نوسان بالا و پایین جابه جا می شوند، مورد تجزیه و تحلیل قرار می گیرند. برای پسماندها دو توزیع شرطی دنباله پهن و گوسی فرض می شود، ودرجه آزادی می تواند برای ثبت احتمال کشیدگی متغیر به زمان وابسته به حالت باشد. عملکرد پیش بینی مدلهای رقیب توسط توابع زیان آماری مورد ارزیابی قرار می گیرد. براساس این توابع، آزمون های برابری توانایی پیش بینی نوع دیبولد- ماریانو و برتری توانایی پیش بینی، مانند بررسی واقعیت وایت و تست SPA هانسن بکار می رود. تجزیه تحلیل های تجربی نشان می دهد که طبق مجموعه گسترده ای از توابع زیان آماری مدلهای ‌‌‌MRS-GARCH عملکرد بهتری نسبت به مدلهای GARCH استاندارد در پیش بینی نوسانات در افق های زمانی‌کوتاهتر دارند و در افق های زمانی طولانی تر مدلهای GARCH نامتقارن استاندارد بهتر عمل می‌کنند. براساس این آزمون ها وجود مدل بهتر از MRS-GARCH -t رد می‌شود.

چکیده انگلیسی:

In this paper we compare a set of different standard GARCH models with a group ofMarkov Regime-Switching GARCH (MRS-GARCH) in terms of their ability to forecastthe petroleum futures markets volatility at horizons that range from one day to onemonth. To take into account the excessive persistence usually found in GARCH modelsthat implies too smooth and too high volatility forecasts, MRS-GARCH models, wherethe parameters are allowed to switch between a low and a high volatility regime, areanalyzed. Both gaussian and fat-tailed conditional distributions for the residuals areassumed, and the degrees of freedom can also be state-dependent to capture possibletime-varying kurtosis. The forecasting performances of the competing models areevaluated with statistical loss functions. Under statistical losses, we use both tests ofequal predictive ability of the Diebold-Mariano-type and test of superior predictiveability, such as White􀀀s Reality Check and Hansen􀀀s SPA test. The empirical analysisdemonstrates that MRS-GARCH models do really outperform all standard GARCHmodels in forecasting volatility at shorter horizons according to a broad set of statisticalloss functions. At longer horizons standard asymmetric GARCH models fare the best.All this tests reject the presence of a better model than the MRS-GARCH-t in thisresearch