دانلود پایان نامه
شبیه سازی مونت کارلو: روش شبیه سازی مونت کارلو نمونه و شاخه ای از ریاضیات عملی یا آزمایشی بوده که بدنبال کشف و استنتاج روابط مربوط به اعداد تصادفی می باشد. روش شبیه سازی مونت کارلو در واقع مجموعه ای از روش های متفاوت بوده که اساسا فرآیند یکسانی را طی می نمایند. این فرآیند، شبیه سازی های متعددی را با استفاده از اعداد تصادفی در جهت دستیابی به جوابی تقریبی برای مسئله موردنظر ممکن می سازد. ( معارفیان، 1389، ص17)
مدل های آرچ / گارچ: مدل رگرسیونی آرچ که توسط انگل (1982) مطرح گردید صراحتا به بیان تفاوت موجود میان واریانس غیرشرطی و واریانس شرطی می پردازد و بیان می کند که واریانس شرطی به عنوان تابعی از خطاهای گذشته در طول زمان تغییر می کند. بولرسلو (1986) با تعمیم فرآیند آرچ ، یک مدل جدیدتر و عمومی تر را مطرح می سازد که در آن، وقفه ها از ساختار بسیار انعطاف پذیرتری برخوردار می باشند. این فرآیند شباهت زیادی به بسط و تعمیم یک فرآیند AR و تبدیل آن به یک فرآیند عمومی ARMA دارد. در فرآیند گارچ تعداد متغیرها از بسیاری از جهات در مقایسه با مدل آرچ کاهش می یابد. ( فرانسیس و دیجک ، 1996، ص307-327)
مانایی: یک سری زمانی در صورتی مانا می باشد که اولا، هیچ نوع تغییر سیستماتیکی (هیچ نوع روندی) در میانگین آن وجود نداشته باشد. ثانیا، هیچ نوع تغییری در واریانس نداشته باشد. ثالثا، نوسانات دوره ای شدید در آن حذف شده باشند. ( چتفیلد ، 1995، ص10)
دوره خارج از نمونه: بازه زمانی که برای آن پیش بینی صورت میگیرد و برای ارزیابی دقت نتایج پیش بینی از داده های این بازه استفاده می شود.
1-11. محدویت های تحقیق
داده های موجود و در دسترس برای بررسی بورس اوراق بهادار تهران تنها از سال 1376 موجود می باشد و قبل از این سال علی رغم فعال بودن بورس اوراق بهادار تهران، داده ها به صورت روزانه موجود نمی باشد. علاوه بر این نمودار بازدهی ها، پایداری در سری زمانی rt را نشان میدهد.
1-12. ساختار تحقیق
این تحقیق در پنج فصل تدوین شده است. در فصلی اول، کلیاتی در رابطه با مبانی و اهداف تحقیق و شمایی کلی از مراحل اجرای آن بیان شد. در فصل دوم به مبانی نظری تحقیق پرداخته شده است. در این فصل در ابتدا مباحث تئوریک سری های زمانی و مدل گارچ و سپس مفاهیم شبیه سازی مونت کارلو تشریح شده و سپس با مروری بر ادبیات تحقیق به پایان رسیده است. در فصل سوم روش و ساختار تحقیق و نیز مدل های بکار رفته بیان خواهد شد. در فصل چهارم، نتایج اجرای مدل ها و تجزیه و تحلیل و ارزیابی این نتایج خواهد آمد و بالاخره در فصل پنجم در مورد نتیجه گیری نهایی و نیز پیشنهاداتی برای تحقیقات آتی، بحث خواهد شد.
فصل دوم: مروری بر تحقیقات انجام شده

2-1. مقدمه
در یک بازارکارا کلیه اطلاعات موجود در قیمت های جاری موجود منعکس گردیده است، به گونه ای که پیش بینی قیمت های آتی امکان پذیر نمی باشد. هر چند وجود رویدادهای اصلی قابل مشاهده مالی از قبیل اثرات فصلی، اثرات آخر هفته، اثرات شروع سال جدید و تلاطم خوشه ای مطالعه بازار سهام را به عنوان موضوع پر اهمیتی برای تحقیقات شکل داده اند.
تلاطم بازار سهام، موضوعی مورد علاقه در ادبیات موضوع علم مالی در چند دهه اخیر به شمار می رود. کارکرد اصلی بازارهای مالی در اقتصاد، فراهم نمودن روشی برای هدایت و تخصیص سرمایه از سوی پس اندازکنندگان به سوی سرمایه گذاران می باشد. در حین این فرآیند، قیمت دارایی های مالی بواسطه نوسانات فعالیت های اقتصادی، با شکلی از تلاطم قیمت مواجه می شوند که این نوسانات در قیمت ها به عنوان رخدادی معمول در عملکرد بازار محسوب می گردند. لیکن با یافتن الگوهای تلاطمی برای سهم های موجود در بازار و استفاده از قابلیت پیش بینی قیمت سهام، می توان روند هموارتر و کاراتری برای تخصیص سرمایه ها ایجاد نمود. از جمله الگوهای تلاطمی بازده سهام، الگوهای تلاطم خوشه ای می باشند. مدل سازی تلاطم بازده در بازارهای سهام، از منظر پژوهشگران دانشگاهی و نیز از دیدگاه کارپردازان علم مالی، به لحاظ موارد استفاده آن در پیش بینی بازده سهام، موضوع با اهمیتی به نظر می رسد. این پیش بینی ها در مواردی چون مدیریت ریسک، قیمت گذاری مشتقات مالی و پوشش ریسک ناشی از آنها، بازارسازی، انتخاب سبدهای مالی و خیلی از فعالیت های مالی دیگر می تواند مورد استفاده قرار گیرد. از این جهت تخمین تلاطم در بازارهای مالی اهمیت می یابد. اهمیت این موضوع با نگاهی به کتابها و مقالات منتشره در زمینه تلاطم بازده و قابلیت های پیش بینی مدل های تلاطمی متعدد بیشتر نمایان می گردد و اهمیت تلاطم را در سرمایه گذاری ارزش گذاری اوراق بهادار، مدیریت ریسک و اتخاذ سیاست های پولی منعکس می گردد. بنابر همین واقعیت، هر چند تلاطم همان ریسک محسوب نمی شود، ولی دانستن مقادیر تلاطم بخاطر ارتباط آن با ریسک مهم است. زمانی که تلاطم را به معنای عدم اطمینان تفسیر کنیم، در آن صورت به عنوان یکی از عوامل تاثیر گذار مهم در تصمیمات سرمایه گذاری و ایجاد سبد دارایی مطرح می گردد. در واقع تلاطم مهمرین متغیر در قیمت گذاری مشتقات مالی محسوب می شود. از این حیث اندازه گیری دقیق و صحیح تلاطم به منظور قیمت گذاری این ابزارهای مالی موردنیاز می باشد. ( پون و گرنچر، 2003، ص478-539) . در ارتباط با مسائل اقتصادی و سری های زمانی مالی، مدل های متعددی برای نمایاندن تلاطم واریانس شرطی ساخته شده اند. یک فرض اولیه به هنگام مدل سازی تلاطم این است که می توان تلاطم را به دو بخش قابل پیش بینی و غیرقابل پیش بینی تقسیم کرد. با توجه به این حقیقت که در سری های زمانی مالی، ارزش اضافه ریسک تابعی از تلاطم بازده می باشد، تمرکز تحقیقات علمی بر جزء قابل پیش بینی تلاطم بازده می باشد. ( پگان و شوارتز ، 1990، ص267-290)
در این فصل ابتدا در مرور ادبیات تحقیق، دو گروه تحقیقات خارجی و تحقیقات داخلی مورد توجه قرار می گیرد و نمونه هایی از مطالعات صورت گرفته در مورد موضوع پیش بینی نوسان ذکر شده است و تاکید اصلی بر مطالعاتی است که با استفاده از روش های مختلف بدنبال پیش بینی نوسان بوده اند، می باشد.سپس مطالبی در مورد سری های زمانی بیان می شود، به این دلیل که سری های زمانی برای فعالان بازار و پژوهشگران مالی دارای جذابیت زیادی هستند و تلاش بسیاری برای درک ویژگی ها، تعیین نوع ساختار و پیش بینی این سری ها صورت میگیرد. در قسمت بعد، مفاهیم پایه ای مدل های ناهمسانی واریانس خودرگرسیو بطور خلاصه مطرح خواهد شد و از میان مدل های متنوع این خانواده، بر مدل گارچ ساده و خواستگاه تئوریک آن تمرکز خواهد گردید. سپس در ادامه به تشریح مفاهیم اولیه شبیه سازی مونت کارلو پرداخته خواهد شد.
2-2. مروری بر ادبیات تحقیق
2-2-1. تحقیقات داخلی
باقر صمدی در پایان نامه خویش در سال 1386 با عنوان ” مدلسازی تلاطم در شاخص قیمت بورس تهران با استفاده از مدل های گارچ و معرفی الگوی مناسب برای تعیین ارزش در معرض خطر” ابتدا با استفاده از روش های گارچ تلاطم بازار را با استفاده از 1467 داده روزانه برای شاخص قیمت بورس اوراق بهادار تهران برآورد کرده و سپس بهترین مدل ها در تخمین و پیش بینی تلاطم برای توزیع نرمال و تی-استیودنت مشخص نموده است. در ادامه با وجود علائم حافظه بلندمدت برای تبیین میانگین شرطی از مدل ARFIMA و برای واریانس شرطی در کنار مدل های با حافظه کوتاه مدت از مدل با حافظه بلندمدت FIGARCH استفاده شده است. کارکرد بهتر مدل های با حافظه بلندمدت مخصوصا برای بازده با توزیع نرمال مشخص شده است. نتایج حاصل از مقایسه عملکرد مدل های مختلف گارچ در کنار مدل ریسک متریک ، بیانگر عملکرد بهتر آنها در توزیع تی-استیودنت در مقایسه با توزیع نرمال بوده است. مقایسه مدل های مذکور نشان دهنده آن بوده است که در سطوح اطمینان متفاوت برای تخمین ارزش در معرض خطر، مدل های مختلف نتایج متفاوتی را نشان داده اند ولی با این وجود می توان گفت که مدل FIGARCH در سطح معنی داری 2/5% بهترین عملکرد را دارا بوده است.
پورابراهیمی و همکاران در سال 1387 عملکرد پیش بینی مدل های نوسان شرطی و غیر شرطی (12 مدل) بر اساس معیار ارزیابی میانگین مربعات خطا (RMSE) در خصوص پیش بینی نوسان شاخص بازده نقدی و قیمت بورس تهران (TEDPIX) بررسی نمودند. داده های مورد استفاده جهت آزمون فرضیه های سری زمانی شاخص بازده نقدی و قیمت(TEDPIX) بورس اوارق بهادار تهران طی دوره 01/09/77 الی 29/12/85 یعنی 100 ماه (1985) مشاهده بوده است. از مدل های میانگین متحرک، هموارسازی نمایی ARMA و مدل شبکه عصبی (به عنوان مدل های غیر شرطی) و مدل های GARCHشامل EGARCH, TGARCH, GARCH و PGARCH ( به عنوان مدل های شرطی ) جهت آزمون فرضیه ها استفاده شده است. نتایج نشان می دهد عملکرد مدل میانگین متحرک 250 روزه، هموارسازی نمایی و CGARCH طبق معیار RMSE از دیگر مدل ها بهتر است. نتایج مدل های ترکیبی نیز نشان میدهد که در کل، مدل های غیر شرطی عملکرد بهتری نسبت به مدل های شرطی داشته اند. علاوه بر این، نتیجه به دست آمده از آماره دایبولد_ماریانو نشان میدهد که تفاوت معناداری میان قدرت پیش بینی مدل MA 250و مدل CGARCH وجود ندارد. بنابراین، برخلاف بسیاری از مطالعه های انجام شده، پیش بینی مدل های شرطی تفاوت معناداری با دیگر مدل ها ندارد و حتی تخمین نقطه ای آن ها از برخی از مد لهای نوسان غیرشرطی نیز بدتر است.
بابایی در پایان نامه کارشناسی ارشد خود در سال 1387 ، تلاطم بازده سهام در بورس تهران را با استفاده از داده های پانل و مدل گارچ مورد بررسی قرار داده است. وی در تحقیق خود با استفاده از داده های پانل متشکل از شاخص های چندین گروه صنعت به صورت نمونه و نیز سری زمانی مربوط به قیمت سهام داخل این گروه های صنعت در بورس اوراق بهادار تهران، به دنبال بررسی تشابهات و تفاوت های ساختار تلاطم بازده سهم های درون صنایع یکسان و نیز ساختار تلاطم بازده سهم های صنایع غیر یکسان بوده است. نتایج این تحقیق نشان داده است که نمیتوان ساختار تلاطمی مشابهی را برای سهم های موجود در یک گروه صنعت و یا در سطحی بالاتر برای گروه های صنعت نمونه انتخاب شده از بورس تهران، چه از لحاظ میزان بازده سهام و چه از لحاظ یکسانی ساختار تلاطم بازده و یا یکسانی میانگین تلاطم بازده در نظر گرفت.
ابونوری و موتمنی در سال 1388 با استفاده از اطلاعات سری زمانی روزانه، شاخص کل بورس تهران در طی دوره زمانی سال 1371 تا 1385 را مورد آزمون قرار داده اند. این محققین فرضیه ای را مطرح نموده اند که بر اساس آن نوسانات قابل پیش بینی، تأثیر مثبت و معناداری بر بازده سهام دارد. در حالی که نوسانات بازدهی پیش بینی نشده، موجب کاهش بازده سهام میشود. برای آزمون این فرضیه از مدل گارچ نمایی در میانگین استفاده کرده اند. نتایج آزمون حاکی از آن است که رابطه معناداری بین نوسانات بازدهی پیش بینی شده و بازده بازار سهام تهران وجود ندارد. درحالی که بین نوسانات بازدهی پیش بینی نشده و بازده بازار رابطه معنی دار وجود داشته است و این بازدهی غیر قابل پیش بینی به شکل معناداری موجب کاهش بازده در این بازار میشوند.
فیض آباد و همکاران در سال 1388 مسئله مدل سازی نوسان در بورس اوراق بهادار تهران و بررسی و تحلیل رابطه میان ریسک و بازده بازده در آن با استفاده از مدل های خانواده گارچ مورد بررسی قرار دادند. داده های این تحقیق مشتمل بر بازده های روزانه دو پرتفویی متشکل از شرکت های بورس اوراق بهادار تهران می باشد. یک پرتفوی، قیمت های روزانه سهام تمامی شرکت هایی که سهام آنها بدون توجه به میزان نقدشوندگی و تعداد معاملات انجام شده بر روی آنها در یک دوره 10 ساله مورد معامله قرار گرفته اند را شامل می شود. بازه زمانی مورد بررسی در رابطه با این پرتفوی از تاریخ 01/01/1376 تا 30/12/1385 می باشد که تعداد 2142 مشاهده را در بر می گیرد. پرتفوی دیگر که در اینجا پرتفوی 50 شرکت نامیده شده است مشتمل بر قیمت های روزانه سهام شرکت هایی است که سهام آنها در یک دوره 5 ساله در 75% از روزهای معاملاتی سال مورد معامله قرار گرفته اند. داده های این پرتفوی، بازه زمانی 01/01/1381 تا 30/12/1385 را شامل می شود و مشتمل بر 1073 مشاهده می باشند. نتایج این تحقیق که از نوع کاربردی و پیمایشی می باشد نشان می دهد که اولا، مدل های ناهمسانی واریانس شرطی به خوبی می توانند ویژگی های داده های مالی از قبیل نوسانات خوشه ای، حافظه بلندمدت و اثرات اهرمی را مدل سازی نمایند. ثانیا، در هر دو پرتفوی مورد بررسی یعنی پرتفوی متشکل از تمامی شرکت ها و پرتفوی متشکل از پنچاه شرکت با نقدشوندگی بالا، همبستگی مثبتی میان ریسک و بازده وجود دارد.
محمدی و همکاران در سال 1388 نوسانات در بورس اوراق بهادار تهران با استفاده از مدلهای گارچ مدلسازی می نماید .نتایج این تحقیق که از نوع پیمایشی و کاربردی میباشد نشان میدهد که اولاً، مدل های ناهمسانی واریانس شرطی به خوبی میتوانند ویژگیهای داده های مالی از قبیل نوسانات خوشه ای، حافظه بلندمدت و اثرات اهرمی را مدل سازی نمایند . ثانیاً، در هر دو پرتفوی مورد بررسی یعنی پرتفوی متشکل از تمامی شرکتها و پرتفوی متشکل از پنجاه شرکت با نقد شوندگی بالا، همبستگی مثبتی میان ریسک و بازده وجود دارد .
نصیری و محمدی در سال 1389 مدل های ریسک متریک و گارچ در پیش بینی نوسانات شاخص بازده کل بورس اوراق بهادار تهران مقایسه کردند. در این تحقیق عملکرد پیش بینی خارج از نمونه 6مدل برای نوسانات روزانه شاخص قیمت و بازده نقدی مورد ارزیابی قرار گرفته است. در فرضیه ادعا می شود که قدرت پیش بینی مدل ریسک متریک در بورس اوراق بهادار تهران بیشتر از مدل های نوع گارچ است. مدل هایی که در این تحقیق با هم مقایسه شده اند عبارتند از: مدل ریسک متریک و تعدادی از مدل های نوع گارچ، شامل مدل GARCH، EGARCH، APARCH، TARCH، IGARCH. داده های مورد استفاده در این تحقیق، نرخ بازدهی روزانه در بورس اوراق بهادار تهران می باشد که به صورت روزانه جمع آوری شده است و دوره زمانی 07/01/1378 تا 28/12/1387 را تحت پوشش قرار می دهد. برای ارزیابی عملکرد پیش بینی مدل های مورد مقایسه، از سه آماره ارزیابی خطا استفاده شده است: ارزیابی خطای ریشه میانگین مربعات خطا ((RMSE ، متوسط قدرمطلق خطا ( MAE ( و تایل (Theil). نتایج حاصله از این تحقیق بیانگر آنست که بر اساس هر سه معیار ارزیابی خطا، مدل ریسک متریک بطور قابل ملاحظه ای بهترین عملکرد را در مقایسه با پنج مدل دیگر ( از خانوداه گارچ ) دارد و مدل EGARCH بدترین عملکرد پیش بینی را ارائه می دهد.
نظیفی نائینی در سال 1390 مدلهای گارچ را در پیش بینی نوسانات بازار سهام بررسی نمود. این مطالعه با معرفی مدلهای خانواده گارچ به برآورد این مدلها بر روی شواهدی از بازار سهام ایران می پردازد وسپس با استفاده از بررسی های خارج از نمونه ای و معرفی 7 تابع زیان آماری به بررسی دقت پیش بینی هر یک از این مدلها می پردازد. برای هر یک از مدلهای GARCH,EGARCH ,GJR-GARCH سه نوع تابع زیان تعریف میشودکه شامل توزیع خطای t, GED و normal میباشد. مجموعه داده های به کار رفته در این مطالعه ، قیمت سهام در روزهای باز بازار سهام ) 5روز در هفته( در طول دوره 07/06/1376 تا 14/01/1390 می باشد و از شاخص قیمت کل) تپیکس) برای قیمت سهام استفاده شده است. به طور خلاصه، مدلهای GJR-GARCH در برآورد و نیکویی برازش بهتر از سایر مدلها و در پیش بینی کوتاه مدت مدلهای گارچ معمول و در افق پیش بینی بلند مدت مدل های EGARCH,GJR-GARCH بهترین مدل ها میباشند.