چکیده:
تعیین مدلی که پیش بینی بهتری از نوسانات قیمتی در زمینه سرمایه گذاری بدهد، از حوزه های مورد بحث در ادبیات مالی است. در این زمینه مدل هایی ارائه شده و هرکدام مزایا و معایبی دارد. این مدل ها به خصوص در زمینه قیمت نفت خام و نرخ ارز مقالاتی را به خود اختصاص می دهد. در سال های اخیر به دلیل رکود در کشورهای غربی و به تبع آنها در دیگر کشورها دارایی هایی از قبیل طلا مورد استقبال سرمایه گذاران قرار گرفت. این افزایش تقاضا باعث افزایش قیمت طلا گردید. به دنبال آن خرید و فروش در بازار طلا افزایش یافت. این افزایش در معاملات باعث بروز نوسانات شدیدی در این بخش شد. از آنجا که نوسان بازده یکی از عوامل اثرگذار در سرمایه گذاری است، بدین منظور استفاده از مدلی برای پیش بینی نوسانات ضروری به نظر می رسد. در این تحقیق ابتدا سری بازده قیمتی و نوسانات بازده طلا تحت آزمون های مختلف بررسی می شود. سپس یک رویکرد ناپارامتری بر اساس مدل ارائه شده توسط بولمن و مکنیل3 در سال 2002 برای پیش بینی نوسانات بازدهی استفاده می گردد و با استفاده از دو تابع خطای پیش بینی MSE و QLIKE با مدل های دیگر که مدل های پارامتری هستند، مورد مقایسه قرار می گیرد و نتایج توسط آزمون دایبولد- ماریانو ارزیابی می گردد. در نهایت تابع خطایQLIKE برتری مدل گارچ ناپارامتری را در پیش بینی نوسانات نسبت به بقیه مدل های گارچ نشان می دهد.
خلاصه ماشینی:
سپس يک رويکرد ناپارامتري بر اساس مدل ارائه شده توسط بولمن و مکنيل ٣ در سال ٢٠٠٢ براي پيش بيني نوسانات بازدهي استفاده ميگردد و با استفاده از دو تابع خطاي پيش بيني MSE و QLIKE با مدل هاي ديگر که مدل هاي پارامتري هستند، مورد مقايسه قرار ميگيرد و نتايج توسط آزمون دايبولد- ماريانو ارزيابي ميگردد.
البته اين روش ناپارامتري متفاوت از روش نيمه پارامتري بارون آدسي(١٩٩٨,Barone-Adesi) ميباشد که توسط مورانا (٢٠٠١,Morana) براي پيش بيني توزيع بازده نفت خام به منظور تخمين ارزش در معرض خطر استفاده شد.
162 ٢- مباني نظري و مروري بر پيشينه پژوهش در زمينه مدل سازي نوسانات و ويژگيهاي بازدهي طلا و نيز روش هاي مختلف پيش بيني نوسانات ، تحقيقات گسترده اي انجام شده و برخي از موضوعات مورد بحث در اين حوزه در جدول زير ارائه شده است .
163 نام محقق نتيجه تحقيق تحقيق او در بررسي ٩ تابع ارزيابي و با در نظر گرفتن سه عامل براي تعريف واريانس به نتايج زير ٢٠١١ پاتن دست يافت : اولا نوع عامل انتخاب شده براي تعريف نوسانات در ارزيابي روش هاي مختلف Patton پيش بيني نوسانات موثر است .
اگر عدد محاسبه شده براي هر کدام از مدل هاي گارچ توسط اين دو روش از بقيه کوچکتر بود، آن مدل در پيش بيني واريانس از بقيه بهتر عمل کرده است .
اين نتيجه به همراه نتايج جدول ٥ نشان ميدهد که مدل ناپارامتري از نظر معيار QLIKE از ساير مدل ها در پيش بيني بهتر عمل کرده است .