مدل‌سازي نوسانات (تلاطم) بازدهي روزانه سهام در بورس اوراق بهادار تهران

Modeling Volatility of Daily Tehran Price Index (TEPIX)

وقوع بحران مالي سال 2007ميلادي، اهميت اندازه گيري ريسك و عدم اطمينان در بازارهاي مالي را بيش از پيش نمايان ساخت. يكي از مهم‌ترين معيارهاي اندازه گيري ريسك مالي، نوسانات1 (تلاطم - تغيير پذيري) بازارهاي مالي است. به منظور مدل‌سازي مناسب نوسانات شاخص‌هاي مالي بايد ويژگي‌هاي آماري آنها تعيين شود. در اين مقاله تلاش شده است تا بعد از شناسايي ويژگي هاي نوسانات بازده روزانه سهام در بورس اوراق بهادار تهران،با در نظر گرفتن اين ويژگي‌ها، مدل مناسبي بر داده‌ها برازش شود تا بتواند رفتار اين شاخص را توضيح دهد. آزمون‌هاي آماري نشان دادند كه بازدهي روزانه سهام بورس اوراق بهادار تهران داراي توزيع با دنباله ضخيم بوده و از فرايند برگشت به ميانگين تبعيت مي‌كند. همچنين استفاده از مدل‌هاي TARCH، EGARCH و آزمون‌هاي آماري وجود اثرات اهرمي را تاييد نكردند. بنابراين با توجه به اين ويژگي ها مدل AR(2)- GARCH(1,1) به عنوان مدل مناسب براي توضيح رفتار نوسانات بازده روزانه سهام بورس اوراق بهادار تهران انتخاب شد. واژه هاي كليدي: نوسانات، مدل GARCH، بازده سهام ، برگشت به ميانگين،‌ پايداري، اثرات اهرمي

Importance of risk and uncertainty in financial markets became more apparent after financial crisis in 2007. Volatility is the most important measure of risk in financial markets. Thus, modeling volatility of financial markets is one of the important issues in finance and economics. In this paper first we tried to specify key features of volatility of daily returns of Tehran stock exchange price index (TEPIX) and then using these features, we modeled volatility of this index. We found that this index is fat-tailed distributed and mean- reverting. Furthermore, we showed that there is no leverage effect, so using of TARCH and EGARCH models are not convenient. Finally, we found that AR(2)-GARCH(1,1) Model can capture features of data in the best way. Key words: Volatility, GARCH models, Stock return, Mean Reverting, Persistence, Leverage effect