تعيين بهترين تواتر ميان‌روزانه براي پيش‌بيني نوسان تحقق‌يافته با استفاده از داده‌هاي پرفراواني در بورس اوراق بهادار تهران

Optimal Sampling Frequency for Realized Volatility Forecast Model: Evidence from Tehran Stock Exchange

نوسان يكي از مهم‌ترين پارامترهاي تصميم‌گيري در بازارهاي مالي و پولي مي‌باشد. تاكنون روش‌هاي گوناگوني براي مدل‌سازي و پيش‌بيني نوسان به كار گرفته شده كه از مهم‌ترين آن‌ها مي‌توان به مدل‌هاي آرچ و خانواده گارچ اشاره كرد. در سال‌هاي اخير، امكان دسترسي به داده‌هاي پرفراواني، عرصه‌ي جديدي را براي مدلسازي نوسان و پيش‌‎بيني نوسان بازده دارايي‌هاي مالي با اتكا به اين نوع داده‌ها فراهم آورده است. بر اين اساس مدل‌هاي مبتني بر نوسان تحقق‌يافته كه از داده‌هاي ميان‌روزانه محاسبه مي‌شود، توسعه يافته است. از سوالات مهمي كه هنگام استفاده از داده‌هاي ميان‌روزانه مطرح مي‌شود، انتخاب تواتر مناسب به منظور استفاده از اين نوع داده‌ها است. در اين پژوهش، با كمك مدل HAR-RV، مدل‌سازي نوسان با استفاده از داده‌هاي پرفراواني در تواترهاي مختلف انجام شده و پس از پيش‌بيني نوسان تحقق‌يافته، خطاي پيش‌بيني در هر تواتر با استفاده از سنجه‌هاي MAPE، RMSE و TIC محاسبه شده است. نتايج مدل‌سازي و پيش‌بيني حاكي از اين است كه تواتر ميان‌روزانه بهينه نبايد با تواتر 15 دقيقه اختلاف زيادي داشته باشد.

Volatility is one of the most important decision making parameter in monetary and financial markets. Various methods have already been used for modeling and forecasting volatility, which most notably include ARCH and GARCH family models. In recent years, access to high-frequency data, provide a new arena for modeling and forecasting volatility of financial asset’s retun based on this type of data. Accordingly, Realized volatility models based on the intra-day data are developed. The important question that arises when using intra-day data, is the selection of the appropriate frequency in order to use this type of data. In this study, volatility modeling has carried out using HAR-RV model and high frequency data in different frequencies. After the realized volatility prediction, forecasting error at each frequency has calculated using MAPE, RMSE and TIC criteria. The results of modeling and forecasting volatility, suggest that the optimal frequency should not be very different from 15 minutes under the assumption of appropriate distribution.