نوع مقاله : مقاله پژوهشی

نویسنده

• الهام فرزانگان

استادیار اقتصاد، دانشگاه بوعلی سینا- مجتمع آموزش عالی نهاوند(ویژه دختران)، همدان، ایران.

چکیده

در این مقاله یک چارچوب برای خوشه‌بندی فازی سری‌های زمانی مالی معرفی می‌شود که بر مبنای سرریزهای نوسانات جهت‌دار قرار دارد. کشف خوشه‌ها در سرریزهای نوسانات بین سری‌های زمانی مالی بینش عمیقی در رابطه با ساختار بازار فراهم می‌کند که می‌تواند علاوه بر مدیران پرتفوی، برای سیاست‌گذاران نیز مفید باشد. بدین منظور، سرریزهای نوسانات جهت‌دار – ”از سوی“ و ”به‌سوی“ سایر سهم‌ها- بر اساس متدولوژی تجزیۀ واریانس خطای پیش‌بینی تعمیم‌یافته (GFEVD) اندازه گرفته می‌شوند. بعلاوه، برای اندازه‌گیری عدم مشابهت‌ها از فاﺻﻠﮥ اقلیدسی وزن‌دار تعمیم‌یافته نسبت به سرریزهای جهت‌دار، استفاده می‌شود. سپس، با اتخاذ یک چارچوب فازی مبتنی بر الگوریتم تقسیم‌بندی اطراف مدویدها، تحت عنوان مدل خوشه‌بندی C-مدویدهای فازی مبتنی بر سرریز نوسانات (VS-FCMdd)، وزن‌های بهینه تعیین و سهم‌ها نیز برحسب درجۀ عضویت گروه‌بندی می‌شوند. بعلاوه، به‌منظور خنثی کردن ﺗﺄثیر سهم‌های پرت در فرآیند خوشه‌بندی، مدل C-مدویدهای فازی نمایی مبتنی بر سرریز نوسانات (VS-E-FCMdd)، نیز در نظر گرفته می‌شود که به دلیل در نظر گرفتن تبدیل نمایی از معیار عدم مشابهت وزنی، یک مدل استوار محسوب می‌شود. در پژوهش حاضر این دو رویکرد خوشه‌بندی نخستین بار برای بررسی اثرات سرریز در نمونه‌ای منتخب از 30 سهام شرکت از 28 صنعت فعال در بورس تهران، طی بازۀ زمانی 1387 لغایت 1402 در نظر گرفته می‌شود. بر اساس شاخص ژی-بنی تعداد بهینۀ دو خوشه در سرریزهای نوسانات تعیین می‌شود. مقایسۀ نتایج نشان می‌دهد که مدل VS-E-FCMdd افرازهای فازی‌تری را تولید و در خوشه‌بندی سرریزهای نوسانات سهام در بورس تهران کارآتر عمل می‌کند. یافته‌های تجربی حاصل از مدل VS-E-FCMdd نشان می‌دهد که بُعد سرریز ”از سوی“ برای خوشه‌بندی سهم‌ها از اهمیت بیشتری برخوردار است. به‌ویژه اینکه خوشۀ 1 حاوی سهم‌هایی است که سرریز بیشتری را ”از سوی“ سایرین دریافت ولی سرریز کمتری را ”به‌سوی“ آن‌ها می‌فرستد.

کلیدواژه‌ها

• تقسیم‌بندی فازی اطراف مدویدها
• سرریزهای نوسانات جهت‌دار
• معیار عدم مشابهت وزنی
• فاصلۀ نمایی
• بورس تهران

موضوعات

• اقتصاد مالی

عنوان مقاله [English]

Directional Volatility Spillovers-based Fuzzy Clustering for Financial Time Series: Evidence from Stocks of Companies Listed on the Tehran Securities Exchange

نویسنده [English]

• Elham Farzanegan

Assistant Professor of Economics, Nahavand Higher Education Complex, Bu-Ali Sina University, Hamedan, Iran,

چکیده [English]

This paper introduces a framework for fuzzy clustering of financial time series based on directional volatility spillovers. Detecting clusters in the volatility spillovers between financial time series provides deep insight into market structure, which can be useful to portfolio managers as well as policymakers. For this purpose, firstly, the directional volatility spillovers - “From” and “To” others - are measured based on the generalized forecast-error variance decomposition (GFEVD) approach. Moreover, to measure the dissimilarity, the improved weighted Euclidean distance based on the directional spillovers is used. Then, by adopting a fuzzy approach of partitioning around medoids, namely, (VS-FCMdd) volatility spillover-based fuzzy C-Medoids Clustering Model, optimal weights and degrees of membership are estimated. In addition, to reduce the impact of outliers in the clustering process, an exponential transformation of the weighted dissimilarity measure is also considered in the fuzzy clustering model, as (VS-E-FCMdd) volatility spillover-based exponential fuzzy C-Medoids Clustering Model. In this research, for the first time, these two fuzzy clustering models are employed to analyze the directional volatility spillovers in the Tehran Securities Exchange. For this purpose, a sample comprising 30 stock picks for 28 industries, from 1387 to 1402 is considered. The value of the Xie-Beni index reaches the minimum value at cluster 2. The comparison of results shows that the VS-E-FCMdd produces more fuzzy partitions and is effective in clustering the stock volatility spillovers of the Tehran Stock Exchange. The stocks listed on the Tehran Stock Exchange are differentiated mostly in terms of “From” volatility spillover, i.e., the amount of volatility spillover that each stock receives from all other stocks. Particularly, cluster 1 includes the stocks which, in comparison to others, receive more “From” spillovers, but transfer fewer “To” spillovers.

کلیدواژه‌ها [English]

• Fuzzy Partitioning Around Medoids
• Directional Volatility Spillovers
• Weighted Dissimilarity Measure
• Exponential Distance
• Tehran Securities Exchange