| تعداد نشریات | 60 |
| تعداد شمارهها | 2,187 |
| تعداد مقالات | 17,728 |
| تعداد مشاهده مقاله | 54,552,388 |
| تعداد دریافت فایل اصل مقاله | 28,558,344 |
پیش بینی تلاطم بورس اوراق بهادار تهران و بورس های بین الملل | ||
| مطالعات تجربی حسابداری مالی | ||
| مقاله 1، دوره 6، شماره 24، دی 1387، صفحه 1-33 اصل مقاله (5.77 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| حمید خالقی مقدم1؛ سعید مشیری2؛ کامران پاکیزه3 | ||
| 1استادیار دانشکده مدیریت و حسابداری دانشگاه علامه طباطبایی | ||
| 2دانشیار دانشکده اقتصاد دانشگاه علامه طباطبایی | ||
| 3دانشجوی 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 | ||
| تلاطم؛ پیش بینی خارج از نمونه؛ GARCH؛ بورس اوراق بهادار | ||
|
آمار تعداد مشاهده مقاله: 1,679 تعداد دریافت فایل اصل مقاله: 2,180 |
||