دانلود رایگان مقاله پیش بینی نوسانات بازار نفت خام سوئیچینگ رویکرد نوسانات چندفراکتالی مارکوف

قیمت خرید این محصول

رایگان

دانلود مقاله انگلیسی سفارش ترجمه این مقاله

عنوان فارسی

پیش بینی نوسانات بازار نفت خام: یک سوئیچینگ رویکرد نوسانات چندفراکتالی مارکوف

عنوان انگلیسی

Forecasting crude oil market volatility: A Markov switching multifractal volatility approach

صفحات مقاله فارسی

صفحات مقاله انگلیسی

سال انتشار

2016

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

کد محصول

E4030

رشته های مرتبط با این مقاله

مدیریت، اقتصاد و نفت

گرایش های مرتبط با این مقاله

نفت خام ، اقتصاد نفت و گاز

مجله

مجله بین المللی پیش بینی - International Journal of Forecasting

دانشگاه

دانشکده اقتصاد و مدیریت، دانشگاه علم و صنعت نانجینگ، چین

کلمات کلیدی

سوئیچینگ چندفراکتالی مارکوف(MSM)، مدل ها، نوسانات، بازار نفت خام، مدل های طبقه GARCH ،مجموعه اطمینان مدل

برای سفارش ترجمه این مقاله با کیفیت عالی و در کوتاه ترین زمان ممکن توسط مترجمین مجرب سایت ایران عرضه؛ روی دکمه سبز رنگ کلیک نمایید.

۰.۰ (بدون امتیاز)

امتیاز دهید

چکیده

abstract

We use a Markov switching multifractal (MSM) volatility model to forecast crude oil return volatility. Not only can the model capture stylized facts of multiscaling, long memory, and structural breaks in volatility, it is also more parsimonious in parameterization, after allowing for hundreds of regimes in the volatility. Our in-sample results suggest that MSM models fit oil return data better than the traditional GARCH-class models. The out-ofsample results show that MSM models generate more accurate volatility forecasts than either popular GARCH-class models or the historical volatility model. © 2015 International Institute of Forecasters. Published by Elsevier B.V. All rights reserved.

نتیجه گیری

5. Conclusions

Multifractality (or multiscaling) is a well-known stylized fact in financial data. However, traditional volatility models such as GARCH-type models do not consider this stylized fact. In this paper, we use a newly developed multifractal Markov switching (MSM) volatility model to capture and forecast the dynamics of the crude oil return volatility. Based on Vuong’s (1989) closeness test, we find that the log-likelihoods of MSM models are significantly greater than those of the GARCH-class ones, implying that MSM models fit the oil returns data better.