مدلسازي ناپارامتري نوسانات مالي در حضور تغييرات ناگهاني

بازارهاي مالي به ندرت ثابت هستند و عموماً در طول زمان تغيير ميكنند و با نوسانات بسيار همراه هستند. با توجه به نقش و اهميت نوسانات موجود در بازار سهام، تحقيق حاضر مدلسازي نوسانات و نيز تأثير بحرانهاي مالي بر بازار سهام را مسئله اصلي خود قرار داده است. در اغلب مطالعاتي كه در اين حوزه صورت گرفته از مدل گارچ استفاده كردهاند و فرض نرمال بودن را براي دادهها در نظر گرفتهاند، درصورتيكه اين فرض در عمل بهندرت اتفاق ميافتد. به همين دليل در اين تحقيق از رويكرد نا پارامتري براي تشخيص و شناسايي نقاط شكست ساختاري استفاده ميشود. در ادامه براي شناسايي نقاط تغيير ابتدا از يك الگوريتم كه فرض گاوسي بودن دادهها را در نظر ميگيرد ) ICSS ) استفادهشده و پسازآن يك الگوريتم كه توزيع خاصي را براي دادهها در نظر نميگيرد ) NPCPM ( مورداستفاده قرارمي گيرد و اين دو الگوريتم مقايسه ميشوند. دادههاي استفادهشده در اين پژوهش، بازده روزانه دو شاخص 30 شركت بزرگ و 50 شركت برتر از تاريخ 31 / 05 / 1389 الي 22 / 02 / 1395 هستند، كه پس از شناسايي نقاط تغيير و استفاده از مدل گارچ، درنهايت با استفاده از معيارهاي ارزيابي AIC و BIC مشخص گرديد كه الگوريتم NPCPM كه فرض محدود شوندهاي را لحاظ نميكند نتايج بهتري را ارائه ميدهد.