ارايه يك الگوي هشدار پيش از وقوع نوسانات شديد در بازار سهام تهران: رويكرد ماركوف سوييچينگ گارچ

Introducing an Early Warning System for High Volatility in Tehran Stock Exchange: Markov Switching GARCH Approach

هدف از اين مقاله معرفي يك الگوي جديد براي پيش بيني نوسانات شديد بازدهي بازار سهام تهران است. بدين منظور با برآورد مدل ماركوف سوييچينگ گارچ، نوسانات بازدهي سهام مدل سازي شد. با برآورد اين مدل، ماتريس احتمالات انتقال دو وضعيت پر نوسان و كم نوسان بازدهي بازار سهام تهران محاسبه شد. با استفاده از اين ماتريس مي توان احتمال مواجهه شدن بازار با نوسانات شديد را در هر دوره پيش رو پيشبيني نمود و بدين ترتيب به يك الگوي مناسب براي پيشبيني نوسانات شديد دست يافت. با توجه به معيارهاي انتخاب الگوي AIC و BIC ، مدل رژيم چرخشي ماركوف با توزيع جي اي دي، بهترين مدل براي پيشبيني نوسانات در بازار سهام تهران است. بر اساس اين الگو، در اين مقاله الگوي هشدار پيش از وقوع نوسانات شديد در بازار سهام تهران ارايه شده است. با دستيابي به چنين الگويي مي توان سياست هايي را براي جلوگيري از وقوع چنين نوساناتي اتخاذ كرد و امنيت سرمايه گذاري در بازار سهام تهران را افزايش داد.

The goal of this paper is to introduce a new model to predict the high volatility of Tehran Stock Exchange. For do it, a Markov switching GARCH models was modeled. With Estimating this model, the transition probability matrix of two states of high and low volatility, was calculated. Using this matrix, we can forecast the probability of market fluctuations in the each period ahead and we can obtain a suitable model for forecasting high volatility. According to the model selection criteria consist of AIC and BIC, the Markov regime switching GARCH model with GED distribution is the best model for forecasting volatility in Tehran Stock Exchange. Based on this model, in this paper, an Early Warning System has been introduced in Tehran Stock Exchange. This model can be used for policy makers to prevent the occurrence of high volatility and to increase the security of investors in Tehran Stock Exchange.