تحلیل وضعیت‌های بازدهی‌ در بازار سرمایه ایران: رهیافت مدل‌های نیمه‌مارکوف پنهان

هدف: هدف این پژوهش، بررسی چگونگی عملکرد بورس اوراق بهادار تهران، بر اساس بازده‌ روزانه در بازه‌ زمانی سال 1387 تا سال 1397 است.روش: بازده‌ روزانه بورس اوراق بهادار تهران را می‌توان به‎عنوان یک سری زمانی در نظر گرفت و با استفاده از مدل‌های موجود، به تحلیل این سری زمانی پرداخت. حال با توجه به ویژگی‌های توصیفی و توزیعی، مانا بودن این سری اثبات می‌شود، در نتیجه می‌توان مدل نیمه مارکوف پنهان را که به‎صورت گسترده در تحلیل و پیش‌بینی سری‌های زمانی کاربرد دارد، برای تحلیل این سری به‎کار برد. شایان ذکر است که با استفاده از این مدل، الزامی به در نظر گرفتن پیش‌فرض‌هایی مانند دو رژیمی بودن، محدود کردن دوره‌ها به داشتن حداقل و حداکثر زمان اقامت یا سایر معیارهای محدود کننده نیست. به بیان دیگر، این مدل رژیم‌های بازار و همچنین مدت زمان اقامت در هر رژیم را به‌طور هم‌زمان شناسایی می‌کند.یافته‌ها: بر اساس یافته‌های آزمون کولموگروف اسمیرنف و معیارهای اطلاعات آکائیک و بیزین، تابع توزیع ترکیب گوسینی سه پارامتری، مناسب‌ترین توزیع برای بررسی روند بازدهی شاخص کل بورس تهران و همچنین مدل نیمه مارکوف سه رژیمی، مناسب‌ترین حالت برای مدل‌سازی است. به‎علاوه، بورس اوراق بهادار تهران به‎طور کلی در سه حالت خرسی، گاوی و میانه قرار دارد و تعریف این حالت‌ها و احتمال بودن در هر یک از این حالت‌ها را می‌توان بیان کرد. نتیجه‌گیری: بورس اوراق بهادار تهران، بیش از نیمی از زمان بررسی شده را در حالت میانه به سر برده و محتمل‌ترین حالت پس از حالت‌های خرسی و گاوی ورود به حالت میانه و استمرار این حالت است و کمابیش هیچ‌گاه از حالت خرسی مستقیماً وارد حالت گاوی نشده است. همچنین احتمال ورود از حالت میانه به حالت خرسی تقریباً سه برابر احتمال ورود از حالت میانه به حالت گاوی است.

An Analysis of Return States in Iran Stock Market: Hidden SemiMarkov Model Approach

Objective: Analyzing the behavior of Tehran Stock Market, based on the daily asset return for the duration between 1387 and 1397 has been the main aim of this research.Methods: Tehran Stock Market daily asset return can be considered as a timeseries and therefore all existing models can be applied to it. Considering the distributional and temporal properties of such series, it can be shown that the series is stationary. Hence, Hidden SemiMarkov Model, which is widely used for analyzing time series, could be employed to analyze this series.Results: Based on KolmogorovSmirnov test and Akaike and Bayesian indices, the best density function for the series is a three parameter Gussian Mixture. Moreover, employing threestate Hidden SemiMarkov Model would be the suitable method for modeling. In addition, it was found that Tehran Stock Market followed three states namely bull, bear, and sidewalk and the definitions for such states have been given, while the probability of being in each state has also been provided.Conclusion: Tehran Stock Market was in sidewalk state around half of the analyzed duration and the luckiest state after both bear and bull states was sidewalk. The market almost never came to bull state after the bear state. Moreover, the chance of getting into bear state from sidewalk was three times more than the chance of getting into the bull market.