مدلسازي و پيش بيني نوسان تحقق يافته با در نظر گرفتن پرش در بورس اوراق بهادار تهران

Including Jump Components in Modeling and Forecasting Realized Volatility: Evidence from Tehran Stock Exchange

در سال‌هاي اخير بازارهاي مالي با نوسانات زيادي مواجه شده و عدم اطمينان ناشي از اين نوسان‌ها، نگراني‌هايي را در سرمايه‌گذاران ايجاد نموده است. از اين رو مدل‌سازي نوسان و پيش‌بيني آن در مسائل مختلف تحقيقي و عملي مالي، مورد توجه قرار گرفته است. در اين راستا، امكان دسترسي به داده‌هاي پرفراواني، عرصه‌ي جديدي براي مدل‌سازي نوسان و پيش‌بيني بازده دارايي‌هاي مالي ايجاد نموده است. در اين پژوهش، مدل‌سازي نوسان با استفاده از داده‌هاي پرفراواني و با كمك مدل‌هاي خانواده‌ي HAR-RV، انجام شده و اثر اضافه نمودن جزء پرش در كارايي پيش‌بيني نوسان شاخص كل بورس اوراق بهادار تهران مورد بررسي قرار گرفته است. نتايج مدل‌سازي و پيش‌بيني حاكي از اين است كه خطاي پيش‌بيني با اضافه نمودن جزء پرش به مدل كاهش يافته و همچنين مجزا نمودن اجزاي پرش و پيوسته نوسان تحقق‌يافته نيز در بهبود كارايي پيش‌بيني تاثيرگذار است.

In recent years, financial markets have faced with high volatility so that the unreliability caused by this, has made investors to be concerned. Therefore, volatility modeling and prediction is taken into consideration in various researches and practical issues. In this regard, access to high frequency data creates a new field in volatility modeling and return prediction of financial assets. In this Thesis using high frequency data, the volatility modeling has been performed by HAR-RV family models, and the effect of adding jump component to volatility prediction efficiency of index is studied in Tehran Securities Exchange. The results of modeling and prediction suggest that the forecast error is decreased by adding jump component into model, and also the separation of jump and continuous components of realized volatility is effective on performance improvement.