مقایسه دقت پیش بینی دو مدل GARCH و State Space با استفاده از روش شبیه سازی مونت کارلو برای شاخص تپیکس و شاخص S&P500
محل انتشار: کنفرانس بین المللی حسابداری،اقتصاد و مدیریت مالی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,089
فایل این مقاله در 16 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:
AEFMC01_278
تاریخ نمایه سازی: 18 دی 1393
چکیده مقاله:
در این مقاله دقت پیش بینی دو مدل GARCH و State Space برای تخمین و پیش بینی شاخص قیمت بورس اوراق بهادار تهران (تپیکس) و شاخص S&P500 مورد مقایسه قرار گرفتند . برای این منظور از داده های روزانه 1 بهمن سال 1389 تا 30 بهمن سال 1392 به عنوان درون داده و 1 اسفند 1392 تا 31 اردیبهشت 1393 به عنوان برون داده برای بررسی شاخص تپیکس و نیز از داده های روزانه 27 اسفند 1389 تا 7 اسفند 1392 به عنوان درون داده و 8 اسفند 1392 تا 31 اردیبهشت 1392 به عنوان برون داده برای بررسی شاخص S&P500 ، استفاده شده است . ازمعیار RMSE وروش شبیه سازی مونت کارلو برای مقایسه دقت پیش بینی مدلها و مقایسه نتایج پیش بینی حاصل از 2 شاخص مورد نظر ، با استفاده از برون داده ، در سه افق زمانی بلندمدت ، میان مدت ، کوتاه مدت و یک مقایسه کلی با درون داده ، استفاده شده است . در نهایت نتایج به دست آمده حاکی از این موضوع بود که مدل GARCH در سه افق زمانی بلند مدت ، میان مدت و کوتاه مدت ، و با استفاده از مقایسه کلی با برون داده ، از دقت پیش بینی بیشتری نسبت به مدل State Space برخوردار بوده است که به علت ماهیت بازار سهام ایران آمریکا برای 2 شاخص تپیکس و S&P500 می باشد.
کلیدواژه ها:
نویسندگان
عقیق فرهادی چشمه مرواری
دانش آموخته کارشناسی ارشد علوم اقتصادی ، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران ، دانشکده مدیریت و اقتصاد
فرهاد غفاری
استادیار ، عضو هیئت علمی تمام وقت گروه اقتصاد دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران ، دانشکده مدیریت و اقتصاد ( مسئول مکاتبات )
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 :