Chulalongkorn University Theses and Dissertations (Chula ETD)
Other Title (Parallel Title in Other Language of ETD)
แบบจำลองพาแนลที่มีการเปลี่ยนแปลงบางส่วนอย่างกะทันหันสำหรับการพยากรณ์ผลตอบแทนของหุ้นที่มีพารามิเตอร์ไม่คงที่
Year (A.D.)
2024
Document Type
Thesis
First Advisor
Thaisiri Watewai
Faculty/College
Faculty of Commerce and Accountancy (คณะพาณิชยศาสตร์และการบัญชี)
Department (if any)
Department of Banking and Finance (ภาควิชาการธนาคารและการเงิน)
Degree Name
Master of Science
Degree Level
Master's Degree
Degree Discipline
Financial Engineering
DOI
10.58837/CHULA.THE.2024.133
Abstract
Predicting stock returns is one of the most fascinating problems in finance. However, predicting stock returns is also one of the most challenging problems due to the instability and noisy nature of stock returns. One of the promising directions to handle both problems is to use a panel break model. Recently, a panel common break model has been proposed and shown to generate superior predictive performance. However, the model assumes that every parameter breaks simultaneously, which is not aligned with empirical data. In this article, we propose a novel panel break model that addresses the main limitation of the common break model while still retaining its main advantage by allowing each type of parameter to break separately. Moreover, our model allows correlated breaks between each parameter type through a common hidden time-varying break probability. We evaluated its performance on the top 100 largest US stocks from January 2002 to December 2021. The results show that our model provides improved performance when stocks experience a series of extreme returns, as our model is quite sensitive to data. On the one hand, this can be helpful for faster detection of high-impact breaks during crises. On the other hand, it can result in too many false detections. Further restricting the model, using more data, and fine-tuning the hyperparameters may improve the model's performance.
Other Abstract (Other language abstract of ETD)
การพยากรณ์ผลตอบแทนของหุ้นเป็นหนึ่งในปัญหาทางด้านการเงินที่น่าสนใจที่สุด อย่างไรก็ตามการพยากรณ์ดังกล่าวก็เป็นหนึ่งในปัญหาที่ท้าทายที่สุดด้วยเนื่องมาจากความเปลี่ยนแปลงที่มีอยู่ตลอดเวลา และธรรมชาติของผลตอบแทนของหุ้นที่มีปัจจัยรบกวนเป็นจำนวนมาก หนึ่งในแนวทางที่มีแนวโน้มจะสามารถจัดการปัญหาทั้งสองอย่างนี้ได้คือการใช้แบบจําลองพาแนลที่พารามิเตอร์สามารถเปลี่ยนแปลงได้ โดยก่อนหน้านี้ แบบจำลองพาแนลที่พารามิเตอร์ทุกตัวมีการเปลี่ยนแปลงอย่างกะทันหันได้ถูกนำเสนอ และได้แสดงให้เห็นถึงความสามารถในการพยากรณ์ที่ดี อย่างไรก็ตามแบบจำลองดังกล่าวมีสมมุติฐานว่าทุกพารามิเตอร์ของแบบจำลองจะเปลี่ยนแปลงพร้อมกันทั้งหมด ซึ่งไม่สอดคล้องกับข้อมูลเชิงประจักษ์ การศึกษานี้จึงมีวัตถุประสงค์เพื่อเสนอแบบจำลองพาแนลที่สามารถจัดการกับข้อจำกัดดังกล่าวได้ และยังคงรักษาข้อดีของแบบจำลองพาแนลที่พารามิเตอร์มีการเปลี่ยนแปลงทุกส่วนอย่างกะทันหันไว้ได้โดยการทำให้พารามิเตอร์แต่ละประเภทสามารถเปลี่ยนแปลงไม่พร้อมกันได้ นอกจากนี้แบบจำลองนี้ยังสามารถรองรับการที่พารามิเตอร์แต่ละประเภทเปลี่ยนแปลงแบบไม่เป็นอิสระต่อกันโดยกำหนดให้พารามิเตอร์แต่ละประเภทใช้ตัวแปรซ่อนเร้นที่กำหนดโอกาสการเกิดการเปลี่ยนแปลงในแต่ละเวลาร่วมกัน โดยโอกาสดังกล่าวเปลี่ยนแปลงอยู่ตลอดเวลา แบบจำลองถูกประเมินโดยใช้ข้อมูลหุ้นในสหรัฐอเมริกาที่มีขนาดใหญ่ที่สุด 100 อันดับแรก ตั้งแต่เดือนมกราคม พ.ศ. 2545 ถึงเดือนธันวาคม พ.ศ. 2564 ผลการประเมินแสดงให้เห็นว่า แบบจำลองสามารถพยากรณ์ได้ดีเมื่อหุ้นแสดงพฤติกรรมผลตอบแทนสุดขีดอย่างต่อเนื่อง เนื่องมาจากแบบจำลองค่อนข้างอ่อนไหวกับข้อมูล ในด้านหนึ่ง ความอ่อนไหวต่อข้อมูลนี้มีประโยชน์ในการตรวจจับการเปลี่ยนแปลงของพารามีเตอร์ที่มีผลกระทบสูงได้ไว แต่ในทางกลับกัน พฤติกรรมดังกล่าวก็สามารถทำให้เกิดการจับสัญญาณการเปลี่ยนแปลงของพารามิเตอร์ที่ผิดพลาดจำนวนมากได้ การเพิ่มข้อจำกัดและการใช้ข้อมูลที่มากขึ้น รวมถึงการปรับแต่งไฮเปอร์พารามิเตอร์อย่างละเอียดอาจเพิ่มประสิทธิภาพของแบบจำลองได้
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-No Derivative Works 4.0 International License.
Recommended Citation
Bumrungrat, Nuttapat, "A panel partial break model for forecasting stock returns with parameter instability" (2024). Chulalongkorn University Theses and Dissertations (Chula ETD). 11259.
https://digital.car.chula.ac.th/chulaetd/11259