مدلسازي و ارزيابي پيش بيني مدل هاي مختلف حافظه كوتاه مدت، حافظه بلندمدت، ماركوف سوئيچينگ و هايپربوليك گارچ در پيش بيني نوسانات قيمت نفت خام اوپك

Modeling and Forecasting Evaluation of Different Models of Short-Term Memory, Long-Term Memory, Markov Switching and Hyperbolic GARCH in Forecasting OPEC Crude Oil Price Volatility

پيش‌بيني در بازارهاي مالي بسيار پيچيده است و دلايل اين پيچيدگي را مي‌توان به مواردي چون نا‌ايستايي داده‌ها، غيرخطي بودن روند داده‌ها و تغييرات زياد داده‌ها خلاصه كرد. تعيين الگوي مناسب جهت پيش‌بيني نوسانات مي‌تواند در راستاي تصميم‌گيري نقش بسزايي ايفا كند. در مدل‌هاي اقتصاد سنجي قديمي، فرض بر اين است كه پراكندگي جزء اختلال در كل دورۀ زماني نمونه ثابت مي‌باشد. اما در بسياري از سري‌هاي زماني مالي مشاهده مي‌شود كه در دوره‌هايي نوسانات بسيار شديد مي‌باشد. با اين شرايط، فرض وجود همساني واريانس ديگر معقول به نظر نمي‌رسد. در مقاله حاضر مدل‌هاي تك رژيمي GARCH، IGARCH، EGARCH، GJR-GARCH، FIEGARCH، HYGARCH و مدل دو رژيمي MRS-GARCHدر پيش‌بيني نوسانات قيمت نفت اوپك در طي سالهاي 2010 الي 2016 مورد ارزيابي قرار گرفته و بر اساس معيار خطاي RMSEدقت عملكرد آن‌ها سنجيده شده است. نتايج حاصل از اين ارزيابي نشان از برتري مدل دو رژيمي ماركوف سوئيچينگ گارچ در افق‌هاي 5 و 22 روزه دارد. همچنين مدل حافظه بلند مدت FIEGARCHدر افق‌هاي پيش‌بيني 1 و 10 روزه از عملكرد بهتري در پيش‌بيني نوسانات قيمت نفت نسبت به ساير مدل‌هاي رقيب برخوردار مي‌باشد

Predictability in financial markets is very complex, and the reasons for this complexity can be summarized as non-standard data, nonlinear data flow, and large variations in data. Determining the proper pattern for forecasting volatility can play a significant role in decision making. In the old econometric models it is assumed that the component of error constant during the sample period. But in many financial time series it is observed that during periods of volatility is very sever. Under these conditions, the assumption of the exictence of the equivalence of variance is no longer reasonable. In the present paper, the GARCH, IGARCH, EGARCH, GJR-GARCH, FIEGARCH, HYGARCH, and MRS-GARCH two-regime models were evaluated in prediction of OPEC crude oil price volatility during 2010-2016 based on their RMSE error criterion. The results of this evaluation show the superiority of the Markov Switching GARCH Model on the 5 and 22-day horizons. Also, the long-term FIEGARCH memory model in predicting horizons of 1 and 10 days has better performance in predicting oil price volatilities than other competing models.