چکیده:
تشخیص فرآیند حاکم بر بازدهیهای بازار سهام به منظور اخذ تصمیم بهینه و کاهش هزینه ریسک اهمیت فراوانی برای سرمایهگذاران و سیاستگذاران مالی دارد . اهمیت تحلیل بازارها و تلاش برای درک بهتر آنها موجب شد که پس از به چالش کشیده شدن مفروضات بازار کارا و کشف حقایق جهان شمول دنبالههای پهن، خوشهبندی نوسانات در سریهای زمانی مالی، تحلیلگران از مدلهای با خواص کاملاً تصادفی با توزیع نرمال به سمت مدلهای لوی و مولتی فرکتالی متمایل شوند. همین امر سبب گسترش استفاده از مدلهای مولتی فرکتالی در بخشهای مختلف بازار شد. این مقاله به مرور روش مولتی فرکتال که در سالهای اخیر برای پیش بینی و مدلسازی نوسان پذیری قیمت 1 گسترش یافته، پرداخته است. در ابتدا ریشه این روش که از مدلهای مشابه جریانات آشفته 2 در فیزیک آماری، نشأت گرفته شده است معرفی و سپس جزئیاتی در مورد مشخصات و ویژگیهای مدلهای سری زمانی مولتی فرکتالی در مالی، روشهای در دسترس برای تخمین آنها و وضعیت کنونی کاربردهای تجربی این مدلها ذکر میشود. نتایج پژوهش نشان میدهد که پویایی بازار سرمایه موجب شده است که رویکردها، شیوهها و مدلهای تحلیل بازار در حال تحول باشد، همچنین در خوشهبندی نوسانات سری- های زمانی مالی، مقیاسهای کوچکتر مدنظر قرار میگیرد.
چکیده انگلیسی:
Specifying the governing process of stock market’s return with the goal of making optimal decisions and reducing the risk cost has a great importance for investors and policy makers. The importance of market analysis on one hand and the effort for comprehending the markets on the other hand resulted in that, after the assumptions of efficient market were challenged and universal financial facts such as “fat tails” and “volatility clustering” were discovered, analysts leaned toward multifractaly and Lévy models and moved away from models with random characteristics and normal distribution. This caused multifractal models to be used in different segments of the market. In this article the multifractal approach that in recent years has been used for forecasting and modeling volatility, will be examined. In the beginning the origin of this approach that stems from turbulent flows in statistic physic will be introduced and in the following sections the details about the specifications and features of multifractal time series models, available approaches for estimating them and empirical uses of this model will be mentioned. The results of this research show that the dynamic nature of capital market has caused the approaches, methods and models of market analysis to be permanently changing. In addition, for volatility clustering of time series, smaller scales are considered.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.
