Var Arch Garch Research Papers (original) (raw)
در این مقاله که با استفاده از مدل آریما و الگوهای خانواده آرچ و گارچ به مدل سازی و پیش بینی قیمت مسکن در شهر تهران پرداخته شده است . سعی شده است تا مدلی جامع و کارآمد برای اهداف استراتژیک در بخش مسکن ارائه نماید که در حین سادگی از... more
در این مقاله که با استفاده از مدل آریما و الگوهای خانواده آرچ و گارچ به مدل سازی و پیش بینی قیمت مسکن در شهر تهران پرداخته شده است . سعی شده است تا مدلی جامع و کارآمد برای اهداف استراتژیک در بخش مسکن ارائه نماید که در حین سادگی از توانایی بالایی برای اهداف پیش بینی برخوردار باشد. با این هدف ، پس از جمع آوری اطلاعات اولیه در زمینه قیمت مسکن به صورت فصلی ، به تجزیه و تحلیل اطلاعات پرداخته شده است تا مفروضات مورد نیاز برای مدل سازی با استفاده از روش آریما را مورد بررسی قرار دهد . برای این منظور ، اطلاعات با استفاده از آماره های مرتبط با خود رگرسیو ، میانگین متحرک مورد بررسی قرار گرفتند . پس از انجام تحلیل های مورد نیاز بر روی داده ها ، بر اساس سه معیار متداول (آکائیک ، شوارتز و حنان کوئین) نسبت به پیش بینی قیمت مسکن اقدام شد .
در این مدل فرض می شود که فرآیند تولید داده های سری زمانی مبتنی بر یک الگوی خطی است و نحوه مدل سازی آن توسط باکس و جنکینز مطرح شده است . باکس و جنکینز(1976) اولین کسانی بودند که روشی سیستماتیک را برای یافتن بهترین مدل ARMA ارائه نمودند روش ارائه شده توسط آن ها الگوریتمی سه مرحله ای شامل تشخیص ، تخمین و بازبینی مدل است که در نهایت مدل بهینه می تواند برای پیش بینی مورد استفاده قرار گیرد .
This paper investigates volatility spillovers in the stock market in Japan during the COVID-19 pandemic by using GARCH family models. The empirical analysis is focused on the dynamics of the NIKKEI 225 stock market index during the sample... more
This paper investigates volatility spillovers in the stock market in Japan during the COVID-19 pandemic by using GARCH family models. The empirical analysis is focused on the dynamics of the NIKKEI 225 stock market index during the sample period from July 30, 1998, to January 24, 2022. In other words, the sample period covers both the period of the global financial crisis (GFC) and the COVID-19 pandemic. The econometrics includes GARCH (1,1), GJR (1,1), and EGARCH (1,1) models. By applying GARCH family models, this empirical study also examines the long-term behavior of the Japanese stock market. The Japanese stock market is much more stable and efficient than emerging or frontier markets characterized by higher volatility and lower liquidity. The paper establishes that NIKKEI 225 index dynamics is different in intensity in the case of the two most recent extreme events analyzed, namely the global financial crisis (GFC)of 2007-2008 and the COVID-19 pandemic. The findings confirmed the presence of the leverage effect during the sample period. Moreover, the empirical results identified the presence of high volatility in the sample returns of the selected stock market. Nevertheless, the econometric framework showed that the negative implications of the GFC were much more severe and caused more significant contractions compared to the COVID-19 pandemic for the Japanese stock market. This study contributes to the existing literature by providing additional empirical evidence on the long-term behavior of the stock market in Japan, especially in the context of extreme events.
This study aims to analyze the best model to expect volatility of Indonesia’s coffee price using ARCH/GARCH model and to measure the coffee price volatility spillover of International market for Indonesia’s coffee price using EGARCH... more
This study aims to analyze the best model to expect volatility of Indonesia’s coffee price using ARCH/GARCH model and to measure the coffee price volatility spillover of International market for Indonesia’s coffee price using EGARCH model. These models use different conditional variance specifications to catch up the asymmetry. The empirical results show that GARCH (1.1) model seems to better describe the Indonesia’s coffee price volatility. From the EGARCH analysis known that International coffee price has an asymmetric effect on Indonesia’s return coffee price and indicate that domestic coffee market is not efficient.