ESTIMATION OF RETURN VOLATILITY OF THE SET50 INDEX FUTURES USING GARCH-X MODEL
Main Article Content
Abstract
This study focuses on GARCH-X techniques applied to predict the direction of SET50 index futures in order to estimate volatility of the returns. This will be beneficial for reducing the risk of changes in price index. In this study, the daily closing price of the index, the SET50 index futures, and daily net trading of foreign, institutional and local investors from January 2, 2008 to June 28, 2012 were analyzed. The total number of the data was 1,172 for all groups. This study comprises two parts. The first part is the study of relationships of the data movement. The return value of the SET50 Index Futures and net purchase of foreign investors, institutional investor and local investor were evaluated to create a conditional variance model. After constructing an appropriate model, it was used as a tool to compare the predicted data with the actual value. Then the trustworthiness of predicted data was set. From the study of relationships of the direction of the SET50 index futures rate of return, after the consistency stationary test of unit root at level had been done, the result showed that there were some trend and changeable features appearing in the graph. Hence, the data were non-stationary. However, when the movement of the net purchase by foreign investors, institutional investor and local investor were considered, the data were stable at level. Thus these data could be used to predict ARMA to make the most desirable model. For model selection done by choosing from the lowest AIC and SIC value, it was found that the most reasonable models were AR(1), MA(1) and MA(2). When the models were, next, evaluated by GARCH-X techniques, the SET50 index futures return rate significantly depended not only on the variance in the past, but it also depended on the net foreign institutional and local investors statistics.
Article Details
1. กองบรรณาธิการสงวนสิทธิ์ในการพิจารณาและตัดสินการตีพิมพ์บทความในวารสาร
2. บทความทุกเรื่องจะได้รับการตรวจสอบทางวิชาการโดยผู้ทรงคุณวุฒิ แต่ข้อความและเนื้อหาในบทความที่ตีพิมพ์เป็นความรับผิดชอบของผู้เขียนแต่เพียงผู้เดียว มิใช่ความคิดเห็นและความรับผิดชอบของมหาวิทยาลัยศรีปทุม
3. การคัดลอกอ้างอิงต้องดำเนินการตามการปฏิบัติในหมู่นักวิชาการโดยทั่วไป และสอดคล้องกับกฎหมายที่เกี่ยวข้อง
References
จิรัตน์ สังข์แก้ว. (2547). การลงทุน. พิมพ์ครั้งที่ 6. กรุงเทพฯ: โรงพิมพ์มหาวิทยาลัยธรรมศาสตร์.
ฐานัสต์ อานนท์กิจพานิช และสุรชัย จันทร์จรัส. (2552). “การทดสอบประสิทธิภาพของตลาดหลักทรัพย์แห่งประเทศไทย.” วารสารวิจัย มข. (ฉบับบัณฑิตศึกษา). 9(1): 174-181.
นุชศรา เกสรประทุม. (2550). การเปรียบเทียบความแม่นยำในการพยากรณ์ราคาทองคำระหว่าง แบบจำลอง Neural Network, ARIMA และGARCH-M. การค้นคว้าแบบอิสระ เศรษฐศาสตรมหาบัณฑิต มหาวิทยาลัยเชียงใหม่.
ปิยนุช เรืองขจร. (2550). การประมาณค่าความผันผวนของผลตอบแทนของราคาน้ำมันดิบ ถ่านหิน และก๊าซธรรมชาติโดยวิธี ARIMA EGARCH, ARIMA GARCH-M and ARIMA GARCH. การค้นคว้าแบบอิสระ เศรษฐศาสตรมหาบัณฑิต มหาวิทยาลัยเชียงใหม่.
ภาคภูมิ ภาคย์วิศาล. (2549). กลยุทธ์เด็ด เคล็ดการลงทุนใน SET50 Index Futures. กรุงเทพฯ: เจเอสทีพับลิชชิ่ง.
วิสูตร พาราทิพย์เจริญชัย. (2551). ประสิทธิภาพและแบบจำลองสำหรับการประมาณค่าอัตราถัวความเสี่ยงที่เหมาะสมโดยใช้ดัชนีราคาหลักทรัพย์ล่วงหน้า: กรณีศึกษาของประเทศไทย. วิทยานิพนธ์เศรษฐศาสตรมหาบัณฑิต มหาวิทยาลัยธรรมศาสตร์.
สุรชัย จันทร์จรัส และมัณฑณา มาขุนทด. (2555). “การประมาณค่าความผันผวนและพยากรณ์ผลตอบแทนของหลักทรัพย์กลุ่มทรัพยากรโดยใช้แบบจำลอง GARCH-M.” วารสารวิจัย มข. สาขามนุษย์ศาสตร์และสังคมศาสตร์ (ฉบับธุรกิจและเศรษฐกิจ), 11(1), 19-31.
อนุศร ต่ายหัวดง. (2551). การประมาณค่าความผันผวนสำหรับผลตอบแทนของดัชนีกลุ่ม 50 หลักทรัพย์ ในตลาดหลักทรัพย์แห่งประเทศไทย โดยใช้แบบจำลอง ARIMA-GARCH. การค้นคว้าแบบอิสระเศรษฐศาสตรมหาบัณฑิต มหาวิทยาลัยเชียงใหม่.
Bollerslev, Tim. (1986). “Generalized Autoregressive Conditional Heteroskedasticity.” Journal of Econometric. 31: 307-327.
Box, G.E.P., and Jenkins, G.M., (1970). Time Series Analysis: Forecasting and Control. San Francisco: Holden-Day.
Dickey, D.A. and Fuller,W.A. (1979). “Distribution of the Estimators for Autoregressive Time Series with a Unit Root” Journal of American Statistical Association. 74: 427-431.
Staikouras, S.K. (2006). “Testing the stabilization hypothesis in UK short-term interest rates: Evidence from a GARCH-X model.” The Quarterly Review of Economics and Finance. 46: 169-189.