مدلسازی پویای غیرخطی عوامل موثر بر بازار سهام: رویکرد رگرسیون کوانتیل آستانه با اثرات ناهمسانی واریانس بیزی (bqtr-garch)

طی دهه اخیر مطالعات در مورد بررسی عوامل موثر بر بازده بازار سهام با پیشرفت‌های اقتصاد مالی در حوزه آمار و ریاضیات به اوج خود رسیده و مدل‌سازی در این زمینه از اهمیت بالایی برخوردار شده است. بر این اساس این پژوهش به دنبال ارائه رویکرد جدیدی از مدلسازی رابطه غیرخطی بین متغیرهای مالی با تاکید بر تاثیر متغیرهای اقتصادی بر بازار سرمایه است. برای تبیین رابطه غیرخطی متغیرهای مورد بررسی با توجه به رابطه بین متغیرها از رویکرد مدل رگرسیون کوانتیل آستانه بیزین با در نظر گرفتن ناهمسانی واریانس شرطی(bqtr-garch) استفاده شده است. برای بررسی و مدلسازی این رویکرد از اطلاعات بازده کل سهام بورس اوراق بهادار تهران، قیمت سکه طلا، قیمت نفت و طلای جهانی از ابتدای سال 1390 تا انتهای شهریور 1398 استفاده شده است. نتایج بررسی نشان دهنده تاثیر غیرخطی بازارهای مختلف بر بازهی بازار سهام بوده است. به گونه ای که تاثیر بازدهی بازارهای طلا، سکه و نفت بر بازده بازار سهام در مقادیر بالاتر و پایین‌تر از آستانه متفاوت است. علاوه بر این، رفتار در کوانتیل‎‌های توزیع بازدهی بازار سهام نیز متفاوت است و نشان می‌دهد که بازار سهام تنها در دوران حدی خود (بازار افزایشی و کاهشی) متاثر از بازارهای دیگر است.

Nonlinear Dynamic Modeling of Factors Affecting the Stock Market: Baysian Quantile Threshold Regression - GARCH approach

During the last decade, studies on the factors affecting stock market returns have reached a peak with the advances of financial economics in the field of statistics and mathematics, and modeling is of great importance in this regard. Accordingly, this study seeks to present a new approach to modeling the nonlinear relationship between financial variables and stock returns.This paper employs Bayesian Markov chain Monte Carlo (MCMC) sampling methods for updating the estimates and quantile threshold regression with heteroscedasticity. To study and model this approach, we used returns of the Tehran Stock Exchange, Coin Price, Oil, and Gold Price from 2011 to 2019. The results show that these variables have different effects under low and upper quantile levels. Also, the impact of the financial variables on the stock returns is different under higher and lower threshold amount for each quantile levels. Based on the result, we can say that stock returns have a nonlinear relationship with other markets in the bullish and bearish market.