اثرات روزهاي هفته بر بازده سهام: رويكرد رگرسيون گارچ بوت‌استرپ

Week Days and Stock Returns: Bootstrapping GARCH Regression

هدف مقاله حاضر، بررسي اثرات روزهاي هفته بر بازده شاخص كل قيمت سهام بورس اوراق بهادار تهران، طي سال‌هاي 1385 تا 1391 است. در اين مطالعه جهت بررسي اثر تقويمي‌روزهاي هفته بر بازده سهام، از مدل‌هاي گارچ و براي گرفتن نتايج با قابليت اطمينان بالاتر از بوت‌استرپ در مدل رگرسيون گارچ استفاده شده است. روش بوت‌استرپ استاندارد براي داده‌هاي سري زماني به دليل همبستگي مشاهدات بر حسب زمان، كاربرد ندارد به همين دليل از روش بوت‌استرپ بر اساس باز نمونه‌گيري از پس‌ماندهاي مدل رگرسيون گارچ استفاده شده است. نتايج نشان مي‌دهد براساس رويكرد رگرسيون گارچ نامتقارن بوت‌استرپ، بازده كل روز شنبه مثبت و معني‌دار است.

This paper examines the effects of week days on the return of stock price index in Tehran Stock Exchange during 2006-2012. This research applies GARCH models in order to find the day of the week effect on stock returns and also uses Bootstrap in Garch models to achieve results with more reliability. Conventional Bootstrap approach is not applicable for time series data for correlation of the observations based on time. Therefore, the Bootstrap approach based on resample of the residuals of GARCH Regression model, is used. The conclusion shows that using Bootstrap in Garch models will result in positive returns on Saturday. The conclusion shows that using Bootstrap in Garch models will result in positive returns on Saturday.