مقايسه پيش‌بيني نوسانات شاخص سهام بورس تهران در رويكرد گارچ-ميداس و رگرسيون كوانتايل

در اين پژوهش مدل گارچ-ميداس با اين هدف به كار گرفته مي‌شود كه كاستي مدل‌هاي گارچ، يعني اتكا به تقارن در زمينه‌هاي تواتر داده‌ها را جبران كند. از همين روي،‌ مزيت و افزوده اين مدل به مدل‌هاي گارچ و ديگر مدل‌هاي سري زماني، تركيب داده‌هايي است كه تواتر متفاوت دارند. بدين منظور، بازدهي سهام بر اساس تركيبي از داده‌هاي روزانه با هفتگي، مدل‌سازي مي‌شود. اما مدل كوانتايل نيز از جمله مدل‌هاي جديدي است كه در عوض تواتر متفاوت، بر كل توزيع تمركز دارد و رگرسيون را بر اساس توزيع كل داده‌ها انجام مي‌دهد و مبتني بر خصوصيت توزيع نرمال نيست. مسئله تحقيق حاضر از همين تفاوت ميان مدل گارچ-ميداس و كوانتايل، شكل گرفت و سازمان‌دهي تحقيق بر اساس آن انجام شد. يافته‌هاي تحقيق نشان داد كه مدل گارچ-ميداس نسبت به مدل كوانتايل،  برازش بهتري دارد و از قابليت مدل‌سازي و پيش‌بيني بهتري براي نوسان در بازدهي سهام، برخوردار است.