Estimating Stock Price in Energy Market Including Oil, Gas, and Coal: The Comparison of Linear and Non-Linear Two-State Markov Regime Switching Models

روش رایج برای مطالعة رفتار پویای متغیرهای کلان اقتصادی، استفاده از مدل‌های خطی سری زمانی است. با این حال، این مدل‌ها در توضیح رفتارهای غیرخطی ناتوان است. با توجه به وابستگی بین بازار سهام و مشتقات، رفتار قیمت دارایی پایه با استفاده از ویژگی‌های فرایند مارکوف سوئیچینگ و اهمیت رژیم اقتصادی مدل‌سازی می‌شود. در این مقاله از مدل مارکوف سوئیچینگ دو حالته در بازار انرژی برای بررسی نفت، گاز و زغال‌سنگ در سال‌های 1991 تا 2011 استفاده شده است. قیمت هدف با مدل سوئیچینگ تخمین زده شد و پارامترها نیز با استفاده از برنامة متلب تعیین شد. با توجه به رابطة بین قیمت کل و متغیرهای تعریف‌شده در این مقاله، می‌توان نتیجه گرفت که مدل غیرخطی نسبتا بهتر از مدل خطی است، از آنجا که RMSE کمتر و R^2 بزرگ‌تر دارد، بهتر است برای پیش‌بینی قیمت سهام، از مدل‌های غیرخطی روش مارکوف سوئیچینگ استفاده شود.

A common method to study the dynamic behavior of macroeconomic variables is using linear time series models; however, they are unable to explain nonlinear behavior of the series. Given the dependency between stock market and derivatives, the behavior of the underlying asset price can be modeled using Markov switching process properties and the economic regime significance. In this paper, a two-state Markov switching model in energy market has been examined for oil, coal, and gas since 1991 to 2011. The objective price estimated by the switching model and the parameters were determined by using MATLAB program. With regard to the relationship between the total price and the variables defined in this paper, it is concluded that the non-linear model is relatively better than the linear model, since it has lower RMSE and greater R-squared, therefore it is better to use nonlinear model in Markov switching model for predicting the price of stocks.