تحلیل مدل های نوسان قیمت سهام.

چند سالی از ایجاد قاعده حجم مبنا در بازار سرمایه می گذرد. قاعده ای که قیمت گذاری را به جای ارزشگذاری ناچاراً انجام می دهد و قیمت واقعی را در بازار را تعیین می کند. تعیین حجم مبنا وآستانه قیمت برای جلوگیری از نوسانات قیمت به عنوان یکی از مهمترین سیاست های کنترلی نهاد ناظر در بورس اوراق بهادار ایران شناخته می شود که چند سالی از ایجاد آن می گذرد. این سیاست مبنای دقیق علمی روشنی را ارائه نداده است اما جهت جلوگیری از نوسان قیمتی سهام در هر روز کاری در بازار مورد پذیرش عمومی قرار گرفته است. البته انتقادهای پراکنده ای به آن وارد شده است. برای برخی از سهام هنگام تشکیل صف های فروش طولانی به دلایل سیستماتیک و هیجان قیمت سهام کاسته می شود و این کاهش گاهی به 10روز کاری و یا بالاتر می رسد بدون اینکه بسیاری از افراد موجود در صف موفق به فروش سهم خود شوند. عدم تطابق دامنه نوسان برابر برای قیمت گذرای روزانه معاملات اوراق بهادار مشکلاتی را برای کاهش ارزش سهام شرکت ها در بازار سرمایه به وجود آورده است.

تحقیقات نشان می دهد مطالعات اغلب با موضوع بررسی ماهیت دامنه نوسان و حجم مبنا در بازارهای بورس مختلف صورت از قرن19 میلادی صورت گرفته است. از جمله مطالعات فاما که بااستفاده از روش آمار توصیفی و استنباطی و با مدل های ویلکاکسون بوده است. مطالعات برای بررسی وجود رابطه همبستگی متغیرهای مستقل در تحقیقات این حوزه بوده است. نقطه مشترک این تحقیقات برای ارائه روش ها و مدل های جدید دامنه نوسان نبوده است. بلکه عوامل موثر و متغیرهای مداخله گر را در مدل های ارائه شده توسط بورس ها را بررسی نموده اند. برخی این بررسی ها را برای بازه های زمانی کوتاه مدت و برخی برای بازه های زمانی بلند مدت در نظر گرفته اند.

نوسان قیمت به درجه تغییرات در قیمت دارایی‌ها در طول زمان اشاره دارد. این یک معیار کلیدی از ریسک بازار است زیرا نشان‌دهنده میزان انحراف قیمت‌ها از ارزش‌های متوسط خود است. نوسان می‌تواند ناشی از عوامل مختلفی باشد، از جمله تغییرات در اصول اقتصادی، احساسات سرمایه‌گذاران، شوک‌های خارجی و نقدینگی بازار. مدل‌های نظری نوسان هدفشان توضیح و کمی‌سازی این نوسانات قیمتی است. یکی از رایج‌ترین مدل‌ها برای اندازه‌گیری نوسان قیمت، مدل GARCH (نوسان شرطی خودرگرسیو تعمیم‌یافته) است که توسط تیم بولرزلو در سال 1986 توسعه یافته است. مدل GARCH تغییرات واریانس بازده دارایی‌ها را در طول زمان ثبت می‌کند و در نظر دارد که نوسان معمولاً ثابت نیست بلکه در پاسخ به شرایط بازار متغیر است. مدل GARCH به طور گسترده‌ای برای پیش‌بینی نوسان در بازارهای مالی و ارزیابی خطر استفاده شده است. انواع مختلفی از مدل GARCH مانند EGARCH (GARCH نمایی) و TGARCH (GARCH آستانه‌ای) معرفی شده‌اند تا عدم تقارن‌ها در نوسان را مدنظر قرار دهند؛ زیرا واکنش‌های بازار به اخبار مثبت و منفی ممکن است متفاوت باشد.

نظریه مهم دیگری پدیده خوشه‌بندی نوسان است که پیشنهاد می‌کند تغییرات بزرگ در قیمت دارایی‌ها احتمالاً با تغییرات بزرگ دیگری دنبال می‌شوند؛ در حالی که تغییرات کوچک تمایل دارند با تغییرات کوچک دیگری همراه شوند. این نظریه بر اساس ایده‌ای است که بیان می‌کند بازارهای مالی درجه‌ای از شتاب را نشان می‌دهند؛ جایی که دوره‌های نوسان بالا معمولاً با نوسانات بیشتری دنبال می‌شوند و بالعکس. مدل نوسان تصادفی (SV) و مدل‌های نوسان ضمنی (IV) نیز معمولاً برای تخمین نوسان یک دارایی بر اساس داده‌های بازار مانند قیمت گزینه‌ها استفاده می‌شوند. مدل بلک-شولز برای قیمت‌گذاری گزینه‌ها مفهوم نوسان را به عنوان یک ورودی حیاتی در نظر می‌گیرد که عدم قطعیت در قیمت آینده دارایی پایه را منعکس می‌کند. به همین ترتیب، VIX (شاخص نوسان)، که اغلب به عنوان "شاخص ترس" شناخته می‌شود، انتظارات بازار از نوسانات آینده را بر اساس قیمت گزینه‌ها اندازه‌گیری می‌کند؛ به ویژه گزینه‌های مربوط به شاخص S&P 500. با وجود مدل‌های پیشرفته، پیش‌بینی نوسان همچنان یک کار چالش‌برانگیز باقی مانده است؛ زیرا بازارهای مالی تحت تأثیر طیف وسیعی از عوامل غیرقابل پیش‌بینی قرار دارند؛ شامل رویدادهای ژئوپلیتیکی، بلایای طبیعی و رفتار سرمایه‌گذاران. بنابراین، مدل‌های پیش‌بینی نوسان غالباً تحت تأثیر خطاهای قابل توجهی قرار دارند؛ به ویژه در زمان بحران یا عدم قطعیت بالا.