پیش بینی نوسانات قیمت آتی سکه طلا در بورس کالای ایران با استفاده از روش های پارامتریک

در ﻃﻮل ﺳﺎﻟﯿﺎن ﮔﺬﺷﺘﻪ اﺳﺘﻔﺎده از ﻓﺮآﯾﻨﺪ ﻫﺎی (markov-switching (ms ﺟﻬﺖ ﻣﺪل ﻧﻤﻮدن دﯾﻨﺎﻣﯿﮏ ﻏﯿﺮﺧﻄﯽ ﺗﻼﻃﻢ ﺳﺮیﻫﺎی زﻣﺎﻧﯽ ﻣﺎﻟﯽ ﺑﻪ دﻟﯿﻞ اﻧﻌﻄﺎفﭘﺬﯾﺮی آن در ﻟﺤﺎظ ﺳﺎﺧﺘﺎرﻫﺎی ﻣﺨﺘﻠﻒ ﺑﺮای دادهﻫ ﺎ ﺑﻪ ﻃﻮر ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪای اﻓﺰاﯾﺶ ﯾﺎﻓﺘﻪ اﺳﺖ. ﻓﺮض ﻣﺘﺪاول ﺗﻮزﯾﻊ ﺑﺎزده، ﻧﺮﻣﺎل ﻣﯽ-ﺑﺎﺷﺪ در ﺣﺎﻟﯽ ﮐﻪ ﺗﺤﻘﯿﻘﺎت ﻧﺸﺎن داده اﺳﺖ ﺳﺮیﻫﺎی زﻣﺎﻧﯽ ﻣﺎﻟﯽ دارای ﭼﻮﻟﮕﯽ ﻣﻌﻨﺎداری ﻧﯿﺰ ﻣﯽﺑﺎﺷﻨﺪ ﮐﻪ ﭼﺸﻢﭘﻮﺷﯽ از آن ﻣﯽ ﺗﻮاﻧﺪ ﻣﻨﺠﺮ ﺑﻪ ﺧﻄﺎ در ﭘﯿﺶﺑﯿﻨﯽ ﮐﻪ ﻣﻬﻤﺘﺮﯾﻦ ﻫﺪف از ﺑﺮرﺳﯽ ﯾﮏ ﺳﺮی زﻣﺎﻧﯽ اﺳﺖ ﮔﺮدد. ﺑﻨﺎﺑﺮاﯾﻦ آﻧﭽﻪ ﮐﻪ اﻧﮕﯿﺰه اﺻﻠﯽ اﯾﻦ ﺗﺤﻘﯿﻖ را ﺷﮑﻞ داده اﺳﺖ ﻣﻌﺮﻓﯽ ms garch ﺟﻬﺖ ﻣﺪل ﻧﻤﻮدن ﺗﻼﻃﻢ ﺑﺎزده اﺳﺖ ﺑﻪ ﮔﻮﻧﻪای ﮐﻪ ﻣﺪل ﺑﺘﻮاﻧﺪ ﻋﺪم ﺗﻘﺎرن دادهﻫﺎی ﻣﺎﻟﯽ را ﻧﯿﺰ ﻟﺤﺎظ ﻧﻤﺎﯾﺪ. ﺑﺪﯾﻦ ﺗﺮﺗﯿﺐ ﻋﻤﻠﮑﺮد ﻣﺪلﻫﺎی ﻣﺘﻘﺎرن و ﻧﺎﻣﺘﻘﺎرن ms garch را ﺑﺮ روی ﻗﯿﻤﺖ آﺗﯽ ﺳﮑﻪ ﻃﻼ ﺑﺎ ﯾﮑﺪﯾﮕﺮ ﻣﻘﺎﯾﺴﻪ ﺧﻮاﻫﯿﻢ ﻧﻤﻮد. ﻣﻬﻢﺗﺮﯾﻦ ﻫﺪف اﯾﻦ ﺗﺤﻘﯿﻖ، ارزﯾﺎﺑﯽ ﻧﻮع ﺿﻌﯿﻒ ﮐﺎراﯾﯽ در ﺑﺎزار ﺳﮑﻪ ﻗﯿﻤﺖ آﺗﯽ در دو رژﯾﻢ ﭘﺮﻧﻮﺳﺎن و ﮐﻢ ﻧﻮﺳﺎن ﺑﺎزدﻫﯽ ﺳﻬﺎم اﺳﺖ. ﺑﺪﯾﻦ ﻣﻨﻈﻮر ﺑﺮای آزﻣﻮن ﮐﺎراﯾﯽ ﺿﻌﯿﻒ ﺑﺎزار ﻗﯿﻤﺖ ﺳﮑﻪ آﺗﯽ از روش ﻣﺎرﮐﻮف ﺳﻮﺋﯿﭽﯿﻨﮓ در ﺑﺎزه زﻣﺎﻧﯽ 1387 ﺗﺎ 1396ش، اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. در این تحقیق اقدام به برآورد و پیش‌بینی چهار دسته مدل‌های گارچ متقارن (garch) گارچ نمایی، figarchو گارچ چند رژیمه با سه نوع توزیع نرمال، توزیع t و توزیع ged پرداخته ‌شده است. بر اساس خطای مدل در پیش بینی نوسانات کاراترین مدل جهت پیش بینی نوسانات در بازار آتی طلا ﻣﺪل ﻣﺎرﮐﻮف ﺳﻮﺋﯿﭽﯿﻨﮓ ﮔﺎرچ (ms-e-garch) گزارش گردید.ﻧﺘﺎﯾﺞ ﺑﺮآورد ﻣﺪل ﻣﺎرﮐﻮف ﺳﻮﺋﯿﭽﯿﻨﮓ ﮔﺎرچ (ms-e-garch)، ﻧﺸﺎن ﻣﯽ‌دﻫﺪ نوسانات بازار سکه آتی قابلیت پیش بینی را دارد و در نتیجه نوسانات ﺑﺎزار قیمت سکه آتی در ﻫﺮ دو رژﯾﻢ ﭘﺮﻧﻮﺳﺎن و ﮐﻢﻧﻮﺳﺎن از ﮐﺎراﯾﯽ ﺿﻌﯿﻒ ﺑﺮﺧﻮردار ﻧﯿﺴﺖ و ﻣﯽﺗﻮان در اﯾﻦ ﺑﺎزار ﺑﻪ ﺳﻮدﻫﺎی ﺳﯿﺴﺘﻤﺎﺗﯿﮏ دﺳﺖ ﯾﺎﻓﺖ. بر اساس نتایج تحقیق دقت مدل (ms-e-garch) در حالت توزیع ged نسبت به سایر مدل‌ها بالاتر است.

Forecasting fluctuations of gold coin futures price on Iran mercantile exchange using parametric methods

One of the most important topics in financial markets in recent decades is the forcasting. The main purpose of this study is to forcast volatility future prices.In this research, four groups of symmetric GARCH (GARCH), exponential GARCH, FIGARCH and multiregime GARCH models have been estimated and forecasted using normal distribution, tdistribution and GED distribution. According to the model error for forecasting fluctuations, the Markov Switching GARCH model (MSEGARCH) is reported to be the most efficient model to forecast the fluctuations in the gold coin futures market.The results of the estimation by the Markov Switching GARCH model (MSEGARCH) show that fluctuations of gold coin futures market are predictable; and as a result the gold coin futures prices do not have the weak form of efficiency in both low and high volatility settings and systematic profits could be achieved in this market. According to the results of the study, the accuracy of MSEGARCH model is higher for GED distribution in comparison with other models.