۱۳۶۴۰.۳
(۰.۰۰۰)
۱۴۳۶۱.۵
(۰.۰۰۰)
۱۳۶۵۲.۳
(۰.۰۰۰)
۱۴۴۳۷.۲
(۰.۰۰۰)
۱۳۶۴۵
(۰.۰۰۰)
۶۵۲۸.۶
(۰.۰۰۰)
مستغلات
۱۴۹.۹
(۰.۰۰۰)
۱۵۰.۳
(۰.۰۰۰)
۱۴۹.۶
(۰.۰۰۰)
۱۵۳.۵
(۰.۰۰۰)
۱۵۵.۵
(۰.۰۰۰)
۱۶۸.۹
(۰.۰۰۰)
بیمه
۱۱۰۵۱.۶
(۰.۰۰۰)
۱۰۹۹۹.۱
(۰.۰۰۰)
۱۱۲۱۸.۳
(۰.۰۰۰)
۱۱۱۳۵.۱
(۰.۰۰۰)
۱۲۳۴۰.۱
(۰.۰۰۰)
۶۹.۹
(۰.۰۰۰)
همان‌طور که از نتایج جداول فوق مشاهده می‌گردد، نرمال بودن پسماندهای مدل‌های برآوردی بر حسب توزیع نرمال برای بازدهی شاخص کلیه صنایع در هر ۶ مدل با فرض توزیع نرمال رد گردید. نتایج آزمون مدل‌های با احتساب اثر سوئیچینگ نیز این موضوع را تایید نمود. در واقع مقادیر آورده شده مربوط به هر صنعت در هر یک از مدل‌ها از دو عدد تشکیل می‌شوند. رقم نخست مربوط به آماره آزمون جارک-برا[۱۸۱] می‌باشد و رقم داخل پرانتز مربوط به احتمال نرمال بودن توزیع جمله اخلال می‌باشد. در صورتی که ارقام مربوط به احتمال بیش از ۵ درصد باشد، توزیع نرمال مدل برآورد شده تایید می‌گردد، در غیر اینصورت توزیع متغیر در مدل برآورد شده از نوع دیگری (t و GED) تبعیت می‌کند. همانگونه که از نتایج جداول فوق مشاهده می‌گردد، در کلیه مدل‌ها و برای همه صنایع مقدار احتمال کمتر از ۵ درصد می‌باشد.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
پس از آزمون نرمالیتی و رد تبعیت متغیر بازدهی شاخص در مدل‌های برآورد شده از توزیع نرمال، سوالی که در اینجا مطرح می‌شود اینکه کدام یک از توزیع‌های t و GED به عنوان توزیع مناسب متغیر برای مدل‌های برآورد شده به حساب می‌آید. در این رابطه با توجه به برخی محدودیت‌های وارده بر آزمون‌های نسبت درستنمایی معمولی، ضریب لاگرانژ و والد[۱۸۲]، از آزمون درستنمایی (LRPG) پیشنهاد شده توسط گارسیا و پرون[۱۸۳] (۱۹۹۶) استفاده می‌گردد. آنها برای آزمون پیشنهادی خود از رویکرد حد بالایی داویس[۱۸۴] (۱۹۸۷) استفاده نمودند و با تعریف به عنوان ارزش لگاریتم درستنمایی تحت فرضیه صفر و به عنوان ارزش لگاریتم درستمایی تحت فرضیه جایگزین، آماره آزمون خود را به صورت () تعریف نمودند.
با توجه به تفاسیر فوق در این رابطه ابتدا پس از تخمین هر یک از مدل‌های ۱۸ گانه هر صنعت، ارزش لگاریتم درستمایی آنها استخراج می‌شود. در جدول زیر مقادیر ارزش لگاریتم درستنمایی هر یک از مدل‌ها در صنایع بر حسب نوع تابع توزیع در ستون‌های مربوطه آورده شده است. سپس مقدار آماره آزمون را بر اساس فرمول () بدست آمد. این مقادیر در ستون پایانی مربوط به هر یک از مدل‌های برآورد شده در جدول (۴-۸) ارائه شده است. پس از استخراج آماره LR، مقدار آن با آماره در سطح ۵ درصد مقایسه می‌گردد. در صورتی که مقدار آماره ، بیشتر از آماره باشد، توزیعی که ارزش لگاریتم درستمایی بیشتری دارد به عنوان توزیع بهینه انتخاب می‌گردد، در غیر اینصورت اگر مقدار آماره LR، کمتر از آماره باشد، توزیعی که ارزش لگاریتم درستمایی کمتری دارد به عنوان توزیع بهینه انتخاب می‌گردد. شایان ذکر است که در بررسی زوجی توزیع‌ها، توزیعی که ارزش لگاریتم درستمایی بیشتری دارد به عنوان L1 و توزیعی که ارزش لگاریتم درستمایی کمتری دارد به عنوان L0 در تعیین مقدار در نظر گرفته می‌شود.
درصورتی که بخواهیم مدل بهینه را در میان ۶ مدل بر حسب دو نوع توزیع انتخاب نماییم، ابتدا مدلی که دارای بیشترین مقدار ارزش لگاریتم درستمایی است را انتخاب نموده و پس از انتخاب مدل، آزمون را برای توابع توزیع آن مدل بصورت موارد ذکر شده در فوق انجام و توزیع بهینه انتخاب می‌گردد. به عنوان نمونه در صنعت سرمایه‌گذاری، بیشترین ارزش لگاریتم درستنمایی مربوط به مدل EGARCH-M برای تابع توزیع t می‌باشد. پس از انتخاب مدل، نتیجه آزمون برابر با ۷.۸۸ می‌باشد که بالاتر از آماره در سطح ۵ درصد می‌باشد. بنابراین توزیع بهینه متغیر بازدهی شاخص در این مدل، توزیع t می‌باشد.
جدول (۴-۸): نتایج آزمون نسبت درستنمایی گارسیا و پرون در مدل‌های خانواده GARCH بدون لحاظ نمودن اثر سوئیچینگ
صنعت
GARCH
EGARCH
IGARCH
