پیش بینی نوسانات SSEC در بازار سهام چین با استفاده از تحلیل چند برخالی

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

پیش بینی نوسانات SSEC در بازار سهام چین با استفاده از تحلیل چند برخالی

عنوان لاتین

Forecasting volatility of SSEC in Chinese stock market using multifractal analysis

در این مقاله، با در نظر گیری به حدود 7 سال داده های پر تکرار شاخص ترکیبی بورس سهام شانگهای (SSEC) به عنوان یک نمونه، ما یک سنجش نوسان روزانه را ارائه دادیم که مبتنی بر طیف چند برخالی از تنوع قیمت پر تکرار در یک روز تجاری بود. یک مدل ARFIMA برای نشان دادن پویایی این ارزیابی های نوسان چند برخالی (MFV) مورد استفاده قرار گرفت. عملکرد های پیش بینی نوسان روزانه ی پیش رو مدل MFV و برخی دیگر از مدل های نوسانی موجود، مانند مدل نوسانی تحقق یافته، مدل نوسانی تصادفی و GARCH، توسط آزمون توانایی پیش بینی برتر (SPA) ارزیابی می شود. نتایج تجربی نشان می دهند که تحت چند عملکرد منفی، مدل MFV بهترین دقت پیش بینی را بدست می آورد.

In this paper, taking about 7 years’ high-frequency data of the Shanghai Stock Exchange Composite Index (SSEC) as an example, we propose a daily volatility measure based on the multifractal spectrum of the high-frequency price variability within a trading day. An ARFIMA model is used to depict the dynamics of this multifractal volatility (MFV) measures. The one-day ahead volatility forecasting performances of the MFV model and some other existing volatility models, such as the realized volatility model, stochastic volatility model and GARCH, are evaluated by the superior prediction ability (SPA) test. The empirical results show that under several loss functions, the MFV model obtains the best forecasting accuracy.