پيشبيني نوسان‌پذيري بازده در بازار سهام با استفاده از يك مدل تركيبي

هدف پژوهش انجام‌شده پيش‌بيني نوسان پذيري بازده سهام است. بدين منظور ويژگي‌هاي مربوط به نرمال و ايستايي مدل‌هاي گارچ بررسي‌شده است. پس از برقراري ويژگي‌ها، مدل‌هاي گارچ مورد برازش قرارگرفته است. در بين مدل‌هاي گارچ مدل EGARCH-T(1,1) ازنظر معيارهاي تعريف‌شده بهينه‌ترين مدل از بين مدل‌هاي خانواده گارچ است. همچنين شبكه عصبي بهينه‌اي طراحي‌شده و داده‌هاي موردمطالعه برازش داده‌شده است كه مقدار خطا برابر با 0745/0 بود. در انتها قبل از ورود داده‌هاي خروجي شبكه عصبي به‌عنوان ورودي مدل‌هاي گارچ، ويژگي‌هاي نرمال، ايستايي و وجود اثرات آرچ موردبررسي قرارگرفته است و شبكه عصبي بهينه با مدل‌هاي خانواده گارچ تركيب‌شده است. خطاي مدل تركيبي حاصل مدل ANN-EGARCH-T(3,1) برابر 0438/0 بوده است. در مطالعه انجام‌شده بر اساس نتايج اثبات‌شده است كه مدل تركيبي شبكه عصبي و EGARCH با توجه به معيارهاي تعيين‌شده، مدلي مناسب براي پيش‌بيني نوسان پذيري بازده پرتفو مشخص‌شده، است.