دانلود پایان نامه
GARCH-GED GARCH-N GARCH-T
MC GARCH-GED GARCH-N
GARCH-N MC MC
نتایج پیش بینی خارج از نمونه برای افق یکماهه در جدول (4-7) نمایش داده شده است و در جدول (4-8) پیش بینی های انجام شده رتبه بندی شده است. همانطور که مشاهده می شود مدل گارچ با توزیع t بهترین پیش بینی را داشته است. طبق تابع زیان RMSE و MAE رتبه اول و طبق تابع زیان MAPE رتبه دوم را دارد. این نتیجه برای مدل گارچ با تابع توزیع t دور از انتظار نبود ، زیرا همانطور که قبلا ذکر شد داده های سری زمانی بازده به صورت نرمال توزیع نشده اند. در مرتبه بعد مدل گارچ با تابع توزیع GED قرار دارد و سپس مدل گارچ با تابع توزیع نرمال. پیش بینی انجام شده توسط شبیه سازی مونت کارلو در رتبه آخر قرار دارد. اما همانطور که آماره آزمون دایبولد ماریانو نشان می دهد تفاوت معناداری در پیش بینی مدل گارچ و شبیه سازی مونت کارلو وجود ندارد و اختلاف مقدار توابع زیان آماری برای پیش بینی های این دو روش چندان محسوس نیست.
فصل پنجم: بحث و نتیجه گیری

5-1. نتیجه گیری
با توجه اهمیت موضوع نوسان که پیشتر از این به آن اشاره شد و عدم وجود را ه حل قطعی برای این موضوع، در این پژوهش سعی شده تا عملکرد روش شبیه سازی مونت کارلو در این حوزه بررسی شود. با توجه به اینکه هدف اصلی این تحقیق پیش بینی نوسان با استفاده از شبیه سازی مونت کارلو می باشد، این هدف در قالب دو فرضیه بیان شد. فرضیه اول بیان میدارد که تفاوت معناداری در پیش بینی نوسانات قیمت سهام توسط شبیه سازی مونت کارلو با پیش بینی مدل گارچ وجود دارد. برای بررسی این فرضیه ابتدا به پیش بینی نوسان توسط مدل گارچ و روش شبیه سازی مونت کارلو در افق یکماهه پرداختیم و با توجه به اینکه داده های سری روزانه از تابع توزیع نرمال تبعیت نمی کند از سه تابع توزیع نرمال، t-استیودنت و GED برای مدل گارچ استفاده کردیم . ارزیابی نتایج بدست آمده توسط سه تابع زیان آماری RMSE ، MAE و MAPE نشان میدهد که مدل گارچ پیش بینی دقیقتری از نوسان نسبت به شبیه سازی مونت کارلو دارد و از میان توابع توزیع، تابع توزیع t-استیودنت برای مدل گارچ عملکرد بهتری را نشان میدهد. اما برای بررسی معناداری این تفاوت در پیش بینی از آزمون دایبولد-ماریانو کمک گرفته ایم که نتیجه آن حاکی از این است که پیش بینی های مدل گارچ و روش شبیه سازی مونت کارلو تفاوت معناداری ندارد و بنابراین فرضیه اول رد می شود.
فرضیه دوم به این شکل مطرح شد که، با استفاده از شبیه سازی مونت کارلو می توان نوسانات قیمت سهام را برای دوره خارج از نمونه پیش بینی نمود. برای بررسی این فرضیه نیز از توابع زیان آماری ذکر شده استفاده نمودیم که نتایج نشان میدهد با استفاده از شبیه سازی مونت کارلو می توان نوسان قیمت سهام را پیش بینی نمود و فرضیه دوم تائید میگردد.
بنابراین نتایج کلی حاکی از این است که می توان برای پیش بینی نوسان قیمت سهام از روش شبیه سازی مونت کارلو استفاده نمود.
5-2. پیشنهادات
نتایج این تحقیق می تواند مورد استفاده دو گروه عمده قرار گیرد: سرمایه گذاران و سیاست گذاران. سرمایه گذاران، طیف وسیعی از فعالان در بازار را شامل می شود که عبارتند از سرمایه گذاران خرد و کلان، مدیران سبد سرمایه در شرکت های سرمایه گذاری، صندوق های سرمایه گذاری مشترک، صندوق های پوششی، صندوق های خصوصی و … . سیاست گذاران اقتصادی گروه دیگری از استفاده کنندگان از نتایج این پژوهش می باشند. همان گونه که بیان شد پیش بینی نوسان پذیری در بازارهای مالی یکی از ابزارهای مهم کنترل نوسان در اقتصاد می باشد. افزایش نوسان در بازدهی دارایی ها و ابزارهای مالی، ریسک سرمایه گذاری را بالا می برد و به کاهش اطمینان و اعتماد سرمایه گذاران منجر می شود. به این ترتیب سرمایه ها در جستجوی مکانی امن تر ، از بازار مالی مهاجرت خواهند نمود. ادامه این وضعیت به ایجاد جو روانی منفی می انجامد و سقوط قیمت ها تشدید خواهد شد. با خروج سرمایه از بازار، نظام تامین مالی دچار اختلال می شود و به این ترتیب بحران به بخش واقعی اقتصاد منتقل می گردد. سیاست گذاران اقتصادی برای کنترل چنین شرایطی نیاز به ابزارهای متعددی دارند که یکی از این ابزارها سیستم های پیش بینی کننده متغیرهای پیش رو در اقتصاد، همانند نوسان پذیری است.
پیشنهادات برگرفته از نتایج تحقیق
با توجه به نتایج تحقیق پیشنهاد می شود:
در این پژوهش برای آزمون فرضیات، بازه زمانی یکماهه درنظر گرفته شده است و پیشنهاد می شود توانایی شبیه سازی مونت کارلو در پیش بینی نوسان در بازه های زمانی بلندمدت و کوتاه مدت مورد ارزیابی قرار گیرد.
در این پژوهش برای انجام شبیه سازی از روش شبیه سازی مونت کارلو با استفاده از حرکت هندسی بروانی و برای تولید اعداد تصادفی از دنباله تصادفی در بازه صفر تا یک استفاده شد. از آنجاکه انجام شبیه سازی با استفاده از روش های مختلف امکان بالا رفتن دقت نتایج وجود دارد، لذا پیشنهاد می شود از دیگر روش های شبیه سازی مانند شبیه سازی شبه مونت کارلو و شبیه سازی تصادفی شبه مونت کارلو برای پیش بینی نوسان تحقیقاتی صورت گیرد.
پیشنهادات برای تحقیقات آتی
با توجه به کاربردهای فراوان شبیه سازی مونت کارلو در حوزه علوم مختلف، می بایستی توانایی این روش در مسائل مختلف مالی مورد بررسی قرار گیرد.
در پژوهش های پیشین مدل های مختلف زیادی برای پیش بینی نوسان مورد استفاده قرار گرفته و هیچ مدلی قطعی برای این موضوع وجود ندارد. لذا پیشنهاد می شود نتایج شبیه سازی مونت کارلو برای پیش بینی نوسان با نتایج دیگر مدل ها نیز مقایسه گردد.
فهرست منابع

مطلب مرتبط :   دانلود پایان نامه درمورد سری های زمانی، مدل رگرسیون

منابع فارسی
کتب
راعی، ر؛ تلنگی، ا. 1383. مدیریت سرمایه گذاری پیشرفته . تهران :انتشارات سمت، 600 صفحه