نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه آمار، دانشکده علوم ریاضی، دانشگاه مازندران، بابلسر، ایران

2 استادیار گروه آمار، دانشکده علوم ریاضی، دانشگاه مازندران، بابلسر، ایران

10.22105/dmor.2021.265211.1292

چکیده

تصمیم‌گیری در مورد وجود ویژگی بازگشت به میانگین در داده‌های مالی توجه بسیاری از محققان را به خود جلب کرده و آزمون‌های متفاوتی برای بررسی وجود این ویژگی در داده‌ها مطرح شده‌اند، اما باتوجه به ماهیت بسیار متغیر بازارهای مالی در دوره‌های زمانی مختلف، هریک از این آزمون‌ها عموماً نتایج متفاوتی را ارائه می‌دهند و از طرفی، تحلیل‌های نظری دقیقی در راستای چگونگی تشخیص نقاط بازگشت به میانگین در هر لحظه از فرایند نیز انجام نشده است. در این تحقیق به ارائه روشی برای تشخیص نقاط بازگشت به میانگین در داده‌های مالی پرداخته شد. این روش می‌تواند به عنوان یک معیار تصمیم‌گیری برای ورود به بازار و یا خروج از آن در استراتژی‌های معاملاتی مبتنی بر نوسانات باشد. برای این منظور داده‌های تاریخی قیمت جهانی طلا، بیت کوین، نسبت یورو به دلار، شاخص بورس تهران، نرخ ارز (دلار) و قیمت سکه طلا طی دوره 2013-2020 و اتریوم طی دوره 2016-2020 جمع آوری و مورد تجزیه و تحلیل قرار گرفت. ابتدا فرضیه وجود ویژگی بازگشت به میانگین از طریق دو آزمون دیکی فولر افزوده و توان هرست مورد آزمون قرار گرفته و نتایج نشان داد که این آزمون‌ها نتایج متفاوتی در تشخیص این ویژگی ارائه می‌دهند. به منظور تشخیص نقاط بازگشت به میانگین در هر لحظه از مسیر فرایند، ماکسیمم فاصله داده‌ها با مقدار میانگین-متحرک آن در هر لحظه از طریق توزیع گامبل مدل‌سازی شد و نتایج از طریق برآورد چندک‌های 95% توزیع نشان داد که تشخیص این نقاط با استفاده از چندک توزیع مقادیر غایی (گامبل) حداقل در 78/47 درصد (5/57 درصد بدون درنظر گرفتن بیت کوین) و حداکثر در 85/92 درصد مشاهدات، صحیح بوده است. نتایج آزمون نسبت برای ارزیابی میزان صحت نقاط شناسایی شده نشان داد که تشخیص این نقاط در فرایند، تصادفی نبوده و تئوری مطرح شده در خصوص شناسایی این نقاط به طور مطلوبی عمل می‌کند. بهینه سازی نتایج بر پایه تحلیل‌های بیشتر نیز مورد انتظار است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Detection of Mean Reversion Point Based on Quantiles of Extreme Value Distribution: Evidences from Iran and International Markets

نویسندگان [English]

  • Hossein Mohajer 1
  • Afshin Fayyaz Movaghar 2

1 Department of Statistics, Faculty of Mathematical Sciences, University of Mazandaran, Bablsar, Iran.

2 Assistant Professor of Statistics, Department of Statistics, Faculty of Mathematical Sciences, University of Mazandaran, Babolsar, Iran.

چکیده [English]

Deciding on the existence of the mean reversion property in financial data has attracted the attention of many researchers, and different tests have been proposed to evaluate the presence of this feature in the data. However, due to the highly variable nature of financial markets in different time periods, each of these tests generally presents different results and on the other hand, detailed theoretical analyzes have not been performed on how to identify the points of mean reversion at each moment of the process. In this study, a method was proposed to identify the mean reversion points in financial data. This method can be used as a decision criterion for entering or leaving the market in swing trading strategies. For this purpose, historical data on the price of gold (Oz), Bitcoin, EURUSD ratio, Tehran Stock Exchange index, exchange rate (Dollar) and the price of gold coins during the period 2013-2020 and Ethereum during 2016-2020 were collected and analyzed. In order to identify the points of mean reversion at each moment of the process path, the maximum values of the difference of data with its moving average value were modeled through the Gumbel distribution, and the results by estimating 95% quantile of the distribution showed that detection of these points using the quantile of the extreme value distribution (Gumbel) was correct in at least 47.78% (57.5% excluding Bitcoin) and at most 92.85% of the detected points. The results of the prop test for evaluating the accuracy of detected points showed that the detection of these points in the process is not random and the proposed theory for the identification of these points works well. Optimization of results based on further analysis is also expected.

کلیدواژه‌ها [English]

  • Extreme values
  • Gumbel distribution
  • Quantile
  • Mean reversion