تاثیر اندازه و شدت هم جهش‌ها‌ی قیمتی در پیش بینی تلاطم شاخص در بورس اوراق بهادار تهران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت مالی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

2 استادیار گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

3 استادیار، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران.

4 استادیار گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.

5 استادیار گرئه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.

10.30495/jik.0621.23471

چکیده

مدل‌سازی و پیش‌بینی تلاطم محقق شده از اهمیت بسزایی برخوردار بوده و در سال‌های اخیر، مطالعات شناخت تلاطم محقق شده به طور قابل توجهی توسعه یافته است. پژوهش حاضر، با استفاده از روش‌های تشخیص هم‌جهش روزانه و در‌ طول روز، و برآورد بازده ده دقیقه‌ای قیمت سهام شرکت‌های موجود در شاخص30 شرکت بزرگ بورس اوراق بهادار تهران (TEFIX30) در طول سال‌های 1390 تا 1394‌(نمونه آزمون) و سال‌های 1395 تا 1398‌(خارج از نمونه) به برآورد تلاطم محقق شده سهام از طریق مدل HAR-RV پرداخته و با توسعه مدل، تاثیر اندازه و شدت هم‌جهش‌های قیمتی سهام را در پیش‌بینی تلاطم شاخص مورد آزمون قرار داده است. نتایج آزمون، حاکی از آن بود که توسعه مدل‌هایHAR-RV و HAR-RV-CJ از طریق مولفه‌های اندازه و شدت هم‌جهش (HAR-CCJ)، نه تنها توان پیش‌بینی مدل‌ها را بهبود نبخشیده، بلکه به مقدار ناچیزی، عملکرد پیش‌بینی مدل‌های پایه را تعدیل نموده است، از طرفی، با توجه به وجود رفتارهای هیجانی میان سرمایه‌گذاران ، نتیجه حاصله می‌تواند بیانگر سوگیری‌های رفتاری سرمایه‌گذاران در بازار باشد.

کلیدواژه‌ها

عنوان مقاله [English]

The effect of size and intensity of price cojumps on forecasting index volatility in Tehran Stock Exchange

نویسندگان [English]

  • mohsen rajab boloukat 1
  • ali baghani 2
  • Ali Najafi Moghadam 3
  • fatemeh sarraf 4
  • norouz noorolahzadeh 5
1 PhD Student of Financial Management, South Tehran Branch, Islamic Azad University, Tehran, Iran
2 Assistant Professor, Department of Accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran
3 Assistant Professor, Department of Accounting, Roudehen Branch, Islamic Azad University, Roudehen, Iran
4 Assistant Professor, Department of Accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran
5 Assistant Professor, Department of Accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran
چکیده [English]

Modeling and forecasting the realized volatility is very important. Realized volatility recognition studies have been significantly developed in recent years. The present study, using daily and intraday cojump diagnosis methods, and estimating the ten-minute stock price returns of companies listed in the index of 30 large companies of Tehran Stock Exchange (TEFIX30) during the years 1390(2011) To1394 (2015) (test sample) and the years 1395(2015-16) to 1398(2017-18) (out of sample) to estimate the stock realized volatility through the HAR-RV model and By developing the model, it has tested the effect of the size and intensity of stock price cojumps in predicting index volatility. The test results showed that the development of HAR-RV and HAR-RV-CJ models through the HAR-CCJ components not only did not improve the predictive power of the models, but also, it has moderated the predictive performance of the base models to a small extent. On the other hand, due to the emotional behaviors among investors, the result can indicate the behavioral biases of investors in the market.

کلیدواژه‌ها [English]

  • Price Cojumps
  • Forecasting
  • Hawkes process
  • Realized Volatility

مراجع

  1. پوریعقوبی هادی، اشرفی یکتا (1399)، سرایت­پذیری تلاطم بازده میان صنایع مختلف بازار سرمایه ایران، فصلنامه علمی پژوهشی دانش سرمایه­گذاری، 9(34)، 293-277.

    دوستیان رحمان و همکاران (1400)، سرایت­پذیری تلاطم شرطی بازده در بانکهای پذیرفته شده در بورس اوراق بهادار، فصلنامه علمی پژوهشی دانش سرمایه­گذاری، 10(37)، 178-159.

    قاضی فینی سیدرضا، پناهیان حسین (1398)، پیش بینی و مدل­سازی تلاطم بازدهی سهام در بورس اوراق بهادار تهران با استفاده از مدل­های GARCH، فصلنامه علمی تحقیقات حسابداری و حسابرسی، 11(43)، 70-55.

    پاکیزه، کامران، (1390)، تلاطم و بازده (شواهدی از بورس اوراق بهادار تهران و بورس های بین الملل) فصلنامه علمی پژوهشی تحقیقات مدل سازی اقتصادی ، شماره دوم.

    Andersen, T. G. and Bollerslev, T. (1998), ‘Deutsche Mark-Dollar Volatility: Intraday Activity Patterns, Macroeconomic Announcements, and Longer Run Dependencies’, Journal of Finance 53(1), 219–265.

    Andersen, T. G., Bollerslev, T, and F.X. Diebold and Labys, P. (2003), The distribution of exchange rate volatility, Journal of the American Statistical Association, vol. 96, pp. 42–55, 2003.

    Andersen, T. G., Bollerslev, T., Dobrev, D.  )2007(, No-arbitrage semimartingale restrictions for continuous-time volatility models subject to leverage effects, jumps and i.i.d. noise: Theory and testable distributional implications. Journal of Econometrics 138 (1), 125-180

    Andersen, T. G., Bollerslev, T, and F.X. Diebold. (2007a), Roughing it up: Including jump components in the measurement, modelling and forecasting of return volatility. Review of Economics and Statistics, 89:701-720.

    Andersen, T. G., Bollerslev, T, and Dobrev, D. (2007b), No-arbitrage semi-martingale restrictions for ncontinuous-time volatility models subject to leverage e_ects, jumps and i.i.d. noise: Theory and testable distributional implications. Journal of Econometrics 138: 125–80

    Asai, M, McAleer, M (2019), “The Impact of Jumps and Leverage in Forecasting Co-Volatility”

    Barndorff-Nielsen, Ole E., and Shephard, N. (2004), Power and bipower variation with stochastic volatility and jumps. Journal of Financial Econometrics 2: 1–37.

    Barndorff-Nielsen, Ole E., and Shephard, N. (2006), Econometrics of testing for jumps in financial economics using bipower variation. Journal of Financial Econometrics 4: 1–30.

    Bollerslev, T, and Ghysels, E. (1997), Periodic autoregressive conditional heteroscedasticity. Journal of Business and Economic Statistics, 14:139–151.

    Bormetti, G. et al. (2013), Modelling systemic price cojumps with Hawkes factor

    Models. Cornell University scholarly articles:  https://arxiv.org/pdf/1301.6141.pdf

    Corsi, F.(2009), A Simple Approximate Long-memory Model of Realized Volatility, Journal of Financial Econometrics, Vol. 7,  pp. 174-196.

    Corsi, Fulvio and Roberto Ren´o (2010), Discrete-time volatility forecasting with persistent leverage effect and the link with continuous-time volatility modeling, Journal of Business and Economic Statistics, 30(3), 368–380.

    Clements, A.E; Liao, Y, (2013), The dynamics of co-jumps, volatility and correlation, School of Economics and Finance, Queensland University of Technology, NCER, Working paper #91.

    Délèze, F.  Hussain, S.M, (2013), Information Arrival, Jumps and Cojumps in European Financial Markets: Evidence using tick by tick data.

    Diebold F.X. and Mariano, R.S (1995), Comparing predictive accuracy. Journal of Business and Economics Statistics, 13:253–263.

    1. Dungey and L. Hvozdyk. Cojumping: Evidence from the us treasury bond and futures markets. Working Paper, 2011

    Jurdi, D.J., (2020), Intraday Jumps, Liquidity, and U.S. Macroeconomic News: Evidence from Exchange Traded Funds, Journal of Risk and Financial Management, 2020, 13, 118

    Lahaye, J., Laurent, S., Neely, C.J., (2011), Jumps, Cojumps and Macro Announcements. Journal of Applied Econometrics 26, 893–921.

    Lee, S. S., Mykland, P.A., (2008), Jumps in financial markets: A new nonparametric test and jump dynamics. Review of Financial Studies 21 (6), 2535-2563.

    Patton, A. (2011), Volatility forecast comparison using imperfect volatility proxies. Journal of Econometrics, 160:246–256.

    Patton, A. Sheppard, K. (2009), Evaluating Volatility and Correlation Forecasts, The Oxford-Man Institute, University of Oxford Working paper, OMI02/07

    Seda, P, (2012), Heterogeneous Autoregressive Model of the Realized Volatility:Evidence from Czech Stock Market

    West, K.D. (1996), Asymptotic inference about predictive ability. Econometrica, 64:1067–1084.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار