روش‌هاي پيش‌بيني بازارهاي مالي در شرايط گسست ساختاري

Financial Market Forecasting Methods under Structural Break

ارائه پيش‌بيني از آينده بازارهاي مالي بويژه آينده روند شاخص‌هاي بازار بورس يكي از مباحث چالش انگيز پيش‌بيني است كه بدليل بروز گسست ساختاري در اين روندها، با پديده شكست پيش‌بيني در مدل‌هاي پيش‌بيني مواجه شده است. در اين مقاله رويكردهاي مدل­ سازي پيش‌بيني بازده سهام به عنوان يكي از روندهاي اصلي بازار سهام، در شرايط گسست‌هاي ساختاري، بررسي شده و ر‌‌هيافت‌هايي كه بر اساس آن مي‌توان در فضاي عدم قطعيت عميق، پيش‌بيني كرد، تحليل شده است. با توجه به اين‌كه هدف از اين مقاله، زمينه‌يابي تحقيقات گذشته و طرح حوزه‌هاي جديدي براي تحقيقات آينده در مدل­ سازي پيش‌بيني بازار سهام بوده است، لذا از روش مطالعه كتابخانه‌اي استفاده شده‌است. نتايج به ­دست آمده نشان مي‌دهد كه رويكردهاي مدل­ سازي در شرايط گسست ساختاري در سه استراتژي اصلي دسته بندي مي‌شوند؛ در استراتژي «ايجاد محدوديت در پارامترهاي مدل» به كمك‌ تفسير به ­دست آمده از چارچوب‌هاي نظري اقتصاد مالي، پارامترهاي مدل تصحيح مي‌شوند. در استراتژي «جابه‌جايي رژيم» به كمك زنجيرهاي ماركوف، نقاط گسست در سري زماني مدل­ سازي ‌مي‌شود. در «استژاژي تلفيقي» از تلفيق مدل‌هاي كمي با داده‌هاي پيمايشي، وضعيت بازار سهام پيش‌بيني مي‌شود. اين بررسي نشان مي‌دهد براي پيش‌بيني بازار سهام بورس تهران در شرايط نااطميناني‌هاي محيطي، استراتژي‌هاي ارائه شده مي ­توانند زمينه مناسبي براي تحقيقات آتي باشند.

Financial market forecasting particularly stock market forecasting is a considerable debate that confront to forecast failure and model break down when structural breaks in trends occur. This paper discusses the modeling to predict stock return under structural breaks and investigate new approaches of forecasting in this condition. This study proposes a taxonomy for research area in forecasting under structural breaks to suggest further studies. We use literature survey as methodology of the research and categorizes the methods, models, and results of the recent researches in stock market forecasting. Consequently, it provides three categories of strategies to forecast stock return under structural breaks. First strategy, called economically motivated model restrictions, uses financial theories as signs to adjust the parameters of models in out-sample periods. Second strategy, known as regime shift, uses a Markov chain transition matrix to model structural breaks in time series. Third strategy applies mix of quantitative models and qualitative surveys to predict future of financial markets. The proposed strategies are applicable in Tehran stock exchange under uncertainty conditions.