Modelling and Investigating the Differences and Similarities in the Volatility of the Stocks Return in Tehran Stock Exchange Using the Hybrid Model PANEL-GARCH
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 162
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AMFA-3-2_002
تاریخ نمایه سازی: 7 مهر 1400
چکیده مقاله:
Efficient financial markets with high degree of transparency do not substantiate the hypothesis that there are differences in the volatility of return. Generally, there are factors rejecting any perfect similarity in the volatility of return in the emerging stock markets, as previous studies in Iran have confirmed the complete difference. On the other hand, the hybrid model PANEL-GARCH has the benefit of high process accuracy, suggesting that the evaluation of the similarity in the volatility of return at the level of market or industry constituent units is better than the simple technique of time series GARCH model for the entire market (instead of evaluation at unit levels). Therefore, the present study intends to investigate complete similarities or differences in the volatility of return in Iran's industries. Results showed that the assumption of complete difference in the volatility of return in the industries did not hold. The results of this process for Iran's industries covering the timespan between ۱۶/۲/۲۰۱۳ to ۱۸/۳/۲۰۱۷ showed that there are similarities in terms of the y-intercept of conditional mean and variance equations (۱.۱) PANEL-GARCH between the volatility of stock returns of ۲۳ industries in the Tehran Stock Exchange as confirmed by LRT test.
کلیدواژه ها:
نویسندگان
Hossein Panahian
Department Of Accounting , Kashan Branch , Islamic Azad University , Kashan , Iran
Seyed Reza Ghazi Fini
Department of Accounting, Kashan Branch, Islamic Azad University, Kashan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :