مدل‌سازی و پیش بینی نوسانات قیمت نفت‌خام و ارزش معرض ریسک با استفاده از مدل‌های تغییر رژیم garch و تک رژیمی

نفت‌خام به‌عنوان یک نهاده استراتژیک بر عملکرد اقتصاد جهانی تاثیر می گذارد، به همین دلیل پیش بینی نوسانات قیمت نفت‌خام یکی از موضوعات مهم در مدیریت ریسک می باشد. سیر تاریخی نوسانات قیمت نفت حاکی از وجود الگوی خوشه ای است. از این رو به‌منظور مدل‌سازی و پیش بینی دقیق‌تر نوسانات قیمت آن، انواع مدل‌های garch به‌کار گرفته می‌شوند. هدف این پژوهش معرفی بهترین مدل garch با بهترین عملکرد در افق های زمانی مختلف می باشد. برای رسیدن به این هدف، نوسانات قیمت روزانه و هفتگی نفت‌خام وست تگزاس اینترمدیت (wti) از ژانویه 1990 الی اکتبر 2020 با استفاده از مدل‌های garch تک رژیمی (garch(1,1)، gjrgarch، egarch، figarch وhygarch ) و مدل‌های تغییر رژیم (mrsgarch و mmgarch) پیش‌بینی و مدل‌سازی شده اند. سپس به کمک توابع زیان سنتی و ارزش در معرض خطر، دقت عملکرد پیش بینی مدل‌های مختلف براساس داده های درون و برون نمونه ای ارزیابی شده و رتبه بندی مبتنی بر رویه مجموعه اطمینان انجام یافت. نتایج دروننمونهای حاکی از دقت باالی مدل garchmrs بر حسب دادههای هفتگی است، اما نتایج برون نمونه ای نشان‌دهنده برتری مدل‌های garch تک رژیمی می باشند. بنابراین وحدت رویه ای در پیش بینی نوسانات قیمت نفت در افق های زمانی مختلف وجود ندارد. هم‌چنین نتایج ارزیابی عملکرد پیش بینی توابع var نشان می‌دهند مدل‌های تغییر رژیم به‌طور معنادار منجر به بهبود عملکرد پیش بینی نوسانات قیمت نفت‌خام نمی شوند.

Forecasting Crude Oil prices Volatility and Value at Risk: Single and Switching Regime GARCH Models

Forecasting crude oil price volatility is an important issues in risk management. The historical course of oil price volatility indicates the existence of a cluster pattern. Therefore, GARCH models are used to model and more accurately predict oil price fluctuations. The purpose of this study is to identify the best GARCH model with the best performance in different time horizons. To achieve the target we forecast the daily and weekly price volatility of West Texas Intermediate (WTI) crude oil from January 1990 to October 2020 using GARCH single regime (GARCH (1,1), GJRGARCH, EGARCH, HYGARCH and FIGARCH), and switching regime (MRSGARCH and MMGARCH) models. We then evaluate the accuracy of forecasts resulting from different models with the help of traditional loss functions and atrisk value. The insample results indicate the high accuracy of the MRSGARCH model in terms of weekly data, but the outofsample results show the superiority of singlemode GARCH models. There is thus no uniformly superior procedure for forecasting oil price volatility in different time horizons. The evaluation of the forecasting performance of VaR functions shows that switching regime models do not significantly improve the accuracy of forecasts of crude oil price fluctuations.JEL Classification: C22, C52, C53Keyword: Forecasting volatility, Single regime GARCH Model, switching regime Model