این پژوهش تلاشی در جهت معرفی یک الگوی مطلوب به منظور مدل سازی و پیش بینی نوسانات قیمت نفت خام ایران می باشد. در این راستا از داده های هفتگی قیمت نفت خام سنگین ایران، طی دوره زمانی هفته اول 1/1997 الی هفته دوم 11/2011 استفاده شده است. بر این اساس، وجود ویژگی حافظه بلندمدت در معادلات میانگین و واریانس سری بازده قیمت نفت خام، مورد ارزیابی و مدل سازی قرار گرفته است و نتایج این تحقیق، موید وجود این ویژگی در هر دو معادله میانگین و واریانس سری مذکور می باشد. از بین مدل هایی که در این مطالعه مورد بررسی قرار گرفته، بر اساس معیارهای اطلاعات و نیز MSE، مدل های ARFIMA (1,1) - GARCH به ترتیب، به عنوان بهترین مدل، به جهت مدل سازی و پیش بینی نوسانات قیمت نفت خام سنگین ایران در دوره مورد بررسی، انتخاب شده است.

مدیریت منابع ارزی در ایران به علت وجود درآمدهای ارزی عمده که از فروش نفت حاصل می شود، از اهمیت به سزایی برخوردار است. برنامه ریزی صحیح، می تواند از تحمیل هزینه های ناشی از مدیریت نامناسب این منابع جلوگیری نماید. بنابراین، در این پژوهش تلاش می کنیم تا به ارایه چارچوبی به منظور طراحی سبد بهینه برای آن بخش از درآمدهای ارزی که با هدف سرمایه گذاری نگهداری می شوند، بپردازیم. بر این اساس، با استفاده از بازده های روزانه ارز که بر مبنای داده های موجود در بازار ارز در سال های 2000 تا 2008 میلادی به دست آمده است، ترکیبی موزون و بهینه از ارزهای رایج با به کارگیری مدل های خودرگرسیونی واریانس ناهمسان شرطی تعمیم یافته تک متغیره و چند متغیره، با هدف حداکثر نمودن بازده مورد انتظار و تحت محدودیت ارزش در معرض ریسک پیشنهاد می شود. در نهایت، مدل های مورد استفاده با به کارگیری آزمون بازخور مورد ارزیابی قرار گرفته و بهترین مدل انتخاب می شود. نتایج این پژوهش برتری مدل GARCH چند متغیره را نسبت به تک متغیره در تخصیص سبد بهینه ارز نشان می دهد.

هدف اصلی مطالعه حاضر بررسی تاثیر نااطمینانی اقتصاد کلان بر رشد اقتصادی و سرمایه گذاری در اقتصاد ایران طی سال های 1390- 1359 می باشد. از این رو، بردارهای نااطمینانی اقتصاد کلان برای دو شاخص اقتصاد کلان شامل کسری بودجه و حجم پول با استفاده از الگو واریانس ناهمسان شرطی تعمیم یافته برآورد شده است، و میزان تاثیر هر یک از بردارهای نااطمینانی اقتصاد کلان بر سرمایه گذاری و رشد اقتصادی مورد بررسی قرار گرفت. نتایج نشان می دهد که نااطمینانی تاثیر منفی و معناداری از نظر آماری بر سرمایه گذاری و رشد اقتصادی در ایران طی دوره ی مورد نظر داشته است. به طوریکه، یک درصد افزایش در نااطمینانی کسری بودجه، موجب 0.23 درصد کاهش در سرمایه گذاری و 0.31 درصد کاهش در رشد اقتصادی و همچنین یک درصد افزایش در نااطمینانی حجم پول منجر به 0.25 درصد کاهش سرمایه گذاری و 0.17 درصد کاهش در رشد اقتصادی می شود. به علاوه، نااطمینانی در کسری بودجه اثر بیشتری بر کاهش رشد اقتصادی و کاهش سرمایه گذاری نسبت به نااطمینانی حجم پول داشته است.

یکی از مفاهیم کلیدی در مدیریت ریسک سبدهای متشکل از دارایی های مالی، مدل سنجش ریسک مبتنی بر احتمال، با عنوان «ارزش در معرض ریسک» می باشد. طی سالهای اخیر، روشهای متنوعی به منظور اندازه گیری معیار مذکور توسط محققان ارایه گردیده که به کارگیری هر کدام از آنها به علت در نظر گرفتن فروض و مقدمات غیرمشابه، نتایج متفاوتی را نیز حاصل می نماید.بر این اساس، مقاله حاضر در تلاش است تا دو روش عمده محاسبه این مقیاس، یعنی مدل پارامتریک خود رگرسیونی واریانس ناهمسان شرطی تعمیم یافته و رایج ترین روش شبیه سازی با نام مونت کارلو را در اندازه گیری ارزش در معرض ریسک پورتفولیوی ارز، به کار گرفته و نتایج آنها را با استفاده از آزمون بازخورد نرخ شکست، مورد مقایسه و ارزیابی قرار دهد. نتایج، عملکرد متفاوت دو مدل را به وضوح نشان می دهد.

پیش بینی نوسان یکی از مسایل بسیار مهم در بازارهای مالی است که توجه بسیاری از پژوهشگران دانشگاهی و کارشناسان این حوزه را در چند دهه ی گذشته به خود جلب کرده است. در پژوهش حاضر با توجه به این ضرورت، به بررسی مدلسازی و پیش بینی نوسان بازار سهام با استفاده از ترکیب شبکه های عصبی مصنوعی و الگوهای واریانس شرطی پرداخته می شود. در این تحقیق از شبکه های عصبی پرسپترون چند لایه (MLP)، مدل های ناهمسانی واریانس شرطی (ARCH) و الگوی خود رگرسیو واریانس شرطی GARCH (P, Q)استفاده شده است. جامعه آماری تحقیق، شاخص بورس تهران برای دوره زمانی فروردین سال 1387 تا فروردین سال 1397 می باشد. تحقیق به دنبال رد یا تایید این فرضیه است که "استفاده ازالگوی ترکیب شبکه عصبی مصنوعی و مدل های واریانس شرطی دقت پیش بینی نوسان بازار سهام در بورس اوراق بهادار تهران را نسبت به الگوی وریانس شرطی افزایش می دهد". نتایج بدست آمده، صحت فرضیه فوق را تایید می نماید.

در این مقاله، به مدل سازی نوسانات قیمت نفت ایران از طریق مدل های واریانس ناهمسان شرطی GARCH در فاصله زمانی ژانویه 1983 تا دسامبر 2010، اقدام و با استفاده از واریانس شرطی محاسبه شده حاصل از یک معادله میانگین (MA (1، شاخصی برای اندازه گیری نااطمینانی نسبت به نوسانات قیمت نفت برآورد شده است. بر اساس نتایج حاصل شده، تمامی مدل های به کار گرفته شده در این پژوهش وجود یک ساختار واریانس شرطی برای سری زمانی قیمت نفت ایران را مورد تایید قرار می دهند، هم چنین مدل هایی نظیر TARCH و EGARCH، به منظور استخراج اثر اهرمی به کار گرفته شده است که در نهایت در مدل (1 و 1 و 1) TARCH و مدل EGARCH را مورد تایید قرار می دهد. از سوی دیگر نتایج آزمون های ضرایب GARCH گویای آن است که واریانس شرطی در بلندمدت به میانگین خود بازگشت می کند. این مساله می تواند کاربرد مدل های به کار گرفته شده در این پژوهش را در بلندمدت توجیه کند. هم چنین شاخص نااطمینانی استخراج شده بیانگر آن است که حداکثر میزان تغییر در متغیر تغییرات قیمت نفت (dloilp) نسبت به فصل مشابه معادل 8 درصد است و دامنه تغییرات متغیر مذکور در هنگام بررسی دو فصل متوالی بین 1 الی 8 درصد قرار می گیرد.

در این مطالعه رفتار قیمتی تولیدکنندگان و مصرف کنندگان در بازار گوشت مرغ در استان فارس بررسی و تحلیل شد. متوسط قیمت های ماهانه تولیدکنندگان و مصرف کنندگان از تیر ماه 1376 تا مرداد ماه 1387 مورد استفاده قرار گرفت. نحوه تغییرات قیمت های تولیدکنندگان و مصرف کنندگان نشان داد که قیمت ها دارای روند افزایشی بوده و همچنین نوسانات زیادی در دوره مورد بررسی داشته اند. حاشیه بازاریابی دارای روندی افزایشی و همراه با نوسانات شدیدی بوده است. نتایج آزمون علیت گرانجر حاکی از رابطه علی دو طرفه میان قیمت تولیدکنندگان و مصرف کنندگان بود. الگوی واریانس ناهمسان شرطی خود توضیح تعمیم یافته (GARCH) برای بررسی رفتار قیمت های تولیدکنندگان و مصرف کنندگان انتخاب و برآورد شد. نتایج بیانگر وجود رابطه انتقالی میان قیمت های تولیدکننده و مصرف کننده و بر عکس می باشد. حاشیه بازاریابی مقدار ثابتی نبوده و ساختار بازار غیر رقابتی است و کشتارگاه ها و خرده فروشان علاوه بر حاشیه ثابت سودی برای توزیع کالا مطالبه می کنند. میزان این سود بسته به قدرت بازار و شوک های وقوع یافته متفاوت می باشد. در دوره مورد بررسی وجود یک رفتار قیمتی متقارن در کوتاه مدت و بلندمدت تصدیق می شود.

ادبیات جدید اقتصادسنجی بر اهمیت مدل های با ضرایب متغیر در طول زمان در مدل سازی و پیش بینی رفتار متغیرهای اقتصادی به ویژه برای متغیرهای دارای شکست ساختاری تاکید دارند. از این رو، هدف اصلی این پژوهش ارائه الگوی واریانس ناهمسان شرطی تعمیم یافته با ضرایب متغیر در طول زمان (TV-GARCH) به منظور مدل سازی تلاطم نرخ ارز در ایران است. بدین منظور، یک الگوی نوسان تصادفی در میانگین (SVM) بکارگرفته شده و برای شبیه سازی توابع پیشین مشترک در رویکرد بیزین از الگوریتم زنجیره مارکوف مونت کارلو (MCMC) استفاده می شود. همچنین برای بررسی مانایی و وجود شکست ساختاری در داده های نرخ ارز از آزمون ریشه واحد زیوت-اندروس استفاده می شود. نتایج الگوسازی نوسانات نرخ ارز با استفاده از داده های ماهانه نرخ ارز در دوره زمانی 1397-1364 نشان می دهد که در مقایسه درون و برون نمونه ای الگوی TV-GARCH نسبت به الگوهای با ضرایب ثابتGARCH وEGARCH از دقت بالاتری برخوردار است.

برآورد تلاطم دارایی های مالی کاربرد فراوان در علم مالی دارد. از آنجاکه واریانس شرطی برگرفته شده از مدل گارچ میتواند سنجه مناسبی برای برآورد تلاطم باشد، این مدل ها از اهمیت بالایی برخوردار هستند. از کاربردهای برآورد واریانس شرطی می توان به ارزش گذاری اختیار معامله، انتخاب پورتفوی بهینه و مدیریت ریسک اشاره نمود. یکی از جدیدترین روش های برآورد واریانس شرطی، روش گارچ تحقق یافته می باشد که در آن واریانس شرطی و تلاطم تحقق یافته درون دوره ای به صورت همزمان مدلسازی می شود. در این مقاله واریانس شرطی با روش های GARCH، EGARCH و GJR-GARCH و همچنین مدل RGARCH با دو معیار مختلف از تلاطم تحقق یافته درون دوره ای شاخص کل بورس تهران در فاصله زمانی آبان سال 1388 تا مهر 1395 محاسبه و در نهایت مقایسه شده است. برای ارزیابی خوبی برازش از مقدار تابع درست نمایی استفاده شده است: با توجه به این معیار، مدل های گارچ تحقق یافته از خوبی برازش بالاتری بر داده های درون نمونه برخوردار بوده اند. برای ارزیابی دقت پیش بینی واریانس شرطی نیز از روش پنجره غلتان با دو تابع زیان MSE و QLIKE استفاده شده است. نتایج حاکی از آن است که مدل های گارچ تحقق یافته چه در برازش داده و چه در پیش بینی واریانس شرطی(تلاطم) شاخص بورس تهران از دقت بیشتری برخوردار هستند. از این رو استفاده از مدل گارچ تحقق یافته مدل در کارهای عملی نظیر ارزش گذاری و مدیریت ریسک، به دقیق تر شدن برآوردها منجر می شود.

بی ثباتی قیمت نفت، از یک سو به عنوان یکی از مولفه های تاثیرگذار در الگوهای اقتصاد کلان و از سوی دیگر به عنوان یکی از متغیرهای اساسی در الگوهای مدیریت ریسک و الگوهای گزینش پورتفوی، همواره مورد توجه پژوهش گران بوده است. مقاله حاضر می کوشد تا با استفاده از شبکه های عصبی، الگویی برای پیش بینی بی ثباتی قیمت نفت ارایه دهد. به این منظور، بی ثباتی قیمت نفت خام برنت و وست تگزاس اینترمدیت پیش بینی شده است. مقایسه نتایج حاصل از چهار الگوی مورد بررسی، شامل الگوی اقتصادسنجی GARCH(1,1)، دو نوع الگوی مبتنی بر شبکه عصبی GMDH و الگوی ترکیبی شبکه عصبی GMDH و GARCH(1,1)، نشان می دهد که الگوی ترکیبی و شبکه های عصبی بر مبنای معیار جذر میانگین مربع خطای پیش بینی (RMSE) برای هر دو سری، پیش بینی بهتری را نسبت به الگوی اقتصادسنجی GARCH(1,1) ارایه می دهند.