مدل سازی نوسانات نهفته و تحلیل بیزین نوسانات تصادفی داده های حین روز شاخص بورس اوراق بهادار تهران مبتنی بر زنجیره مارکوف مونت کارلو

در این مطالعه، مدل سازی نوسانات نهفته و تحلیل بیزین نوسانات تصادفی داده های حین روز شاخص بورس اوراق بهادار تهران مبتنی بر زنجیره مارکوف مونت کارلو در شرایط عدم قطعیت (بحران نزول شاخص بورس) توسعه داده شده است. روش پژوهش حاضر توصیفی از نوع همبستگی می باشد. بدین منظور در ابتدا توزیع لگاریتم مربعات بازده به عنوان معیاری از نوسانات تحقق یافته با استفاده از مدل نوسان تصادفی جهت به دست آوردن نوسانات نهفته شبیه سازی شده و سپس با به کارگیری مدل ترکیبی MCMC-Copula پارامترهای موثر بر نوسانات تصادفی شناسایی شده و تخمین در فاز آموزش صورت پذیرفت. در نهایت با استفاده از نتایج به دست آمده از فاز آموزش، در فاز آزمون به مقایسه مدل های کاپولا و گارچ پرداخته شد. نتایج نشان داد کاپولای کلایتون، گامبل، فرانک، جو و گالامبوس دارای شاخص های MSE و RMSE مشابه و کمتر از مدل پایه گارچ را ارایه می کنند و بنابراین مدل مبتنی بر کاپولا مدل سازی امکان وابستگی سریالی را در فرآیند نوسانات نهفته فراهم می کند. یافته های پژوهش حاضر می تواند برای شرکت های مالی و سرمایه گذاری جهت سبدگردانی و مدیریت پرتفوی در شرایط مختلف نوسانات بازار در جهت تحقق اهداف سرمایه گذار و افزایش ارزش سبد مفید باشد.