<span lang="FA">مدل سازی وابستگی پویا بین صنایع منتخب بورس تهران با رویکرد <span dir="LTR">DCC-GARCH<span lang="FA"> و کوپولا در رژیم های نوسانی
محل انتشار: دوفصلنامه توسعه و سرمایه، دوره: 11، شماره: 2
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 8
فایل این مقاله در 25 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_KJDC-11-2_001
تاریخ نمایه سازی: 17 مهر 1405
چکیده مقاله:
هدف: هدف این پژوهش، مدل سازی وابستگی پویا بین بازده شاخص های منتخب صنایع بورس تهران شامل فلزات اساسی، شیمیایی، بانکی و خودرویی در شرایط متفاوت نوسانات بازار (پرنوسان و کم نوسان) با استفاده از ترکیب مدل DCC-GARCH و کوپولاهای پارامتریک است. روش: در این تحقیق ابتدا با استفاده از مدل (۱,۱) DCC-GARCH واریانس و همبستگی های شرطی بین شاخص های صنایع مدل سازی شد. سپس با استفاده از میانگین متحرک واریانس شرطی، بازار به دو رژیم نوسان بالا و پایین تفکیک شد. در ادامه، باقیمانده های استانداردشده در هر رژیم استخراج و کوپولاهای مختلف (t، Gaussian، Clayton، Gumbel، Frank) برازش شدند تا ساختار وابستگی در هر دوره مدل سازی شود. همچنین، ضریب وابستگی در دم بالا (λU) برای تحلیل احتمال رخدادهای شدید هم زمان محاسبه شد. یافته ها: نتایج نشان داد در اغلب جفت ها، همبستگی شرطی و ضریب کندال در شرایط پرنوسان به طور معناداری بالاتر از دوره های آرام است. خانواده t-Copula بویژه در دوره پرنوسان به عنوان ساختار وابستگی غالب شناخته شد. آزمون بوت استرپ نشان داد اختلاف λU در بسیاری از جفت ها از نظر آماری معنادار است، که بیانگر افزایش ریسک سیستمی در دوره های بحرانی است. نتیجه گیری: ساختار وابستگی بین شاخص ها در بازار سرمایه ایران به شدت وابسته به شرایط نوسان بازار است. در دوره های بحران، صنایع به طور هماهنگ تری دچار شوک می شوند و همبستگی در دم افزایش می یابد. این یافته ها برای مدیریت ریسک پرتفوی و سیاست گذاری بازارهای مالی اهمیت بالایی دارد.
کلیدواژه ها:
نویسندگان
سعید صدرزاده مقدم
گروه اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
کامبیز هژبر کیانی
گروه اقتصاد، دانشکده اقتصاد دانشگاه شهید بهشتی، تهران، ایران.
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 :