Estimating Stock Price in Energy Market Including Oil, Gas, and Coal: The Comparison of Linear and Non-Linear Two-State Markov Regime Switching Models

Document Type: Research Paper

Authors

Faculty of Economic and Political Sciences, Shahid Beheshti University, Tehran, Iran

Abstract

A common method to study the dynamic behavior of macroeconomic variables is using linear time series models; however, they are unable to explain nonlinear behavior of the series. Given the dependency between stock market and derivatives, the behavior of the underlying asset price can be modeled using Markov switching process properties and the economic regime significance. In this paper, a two-state Markov switching model in energy market has been examined for oil, coal, and gas since 1991 to 2011. The objective price estimated by the switching model and the parameters were determined by using MATLAB program. With regard to the relationship between the total price and the variables defined in this paper, it is concluded that the non-linear model is relatively better than the linear model, since it has lower RMSE and greater R-squared, therefore it is better to use nonlinear model in Markov switching model for predicting the price of stocks.

Keywords

Main Subjects


Article Title [Persian]

برآورد قیمت سهام بازار انرژی شامل نفت، گاز و زغال‌سنگ: مقایسة مدل‌های خطی و غیرخطی رژیم سوئیچینگ مارکوف

Authors [Persian]

  • رضا محسنی
  • لیلا سخت کارمدّلل
دانشکده علوم اقتصادی و سیاسی، دانشگاه شهید بهشتی، تهران، ایران
Abstract [Persian]

روش رایج برای مطالعة رفتار پویای متغیرهای کلان اقتصادی، استفاده از مدل‌های خطی سری زمانی است. با این حال، این مدل‌ها در توضیح رفتارهای غیرخطی ناتوان است. با توجه به وابستگی بین بازار سهام و مشتقات، رفتار قیمت دارایی پایه با استفاده از ویژگی‌های فرایند مارکوف سوئیچینگ و اهمیت رژیم اقتصادی مدل‌سازی می‌شود. در این مقاله از مدل مارکوف سوئیچینگ دو حالته در بازار انرژی برای بررسی نفت، گاز و زغال‌سنگ در سال‌های 1991 تا 2011 استفاده شده است. قیمت هدف با مدل سوئیچینگ تخمین زده شد و پارامترها نیز با استفاده از برنامة متلب تعیین شد. با توجه به رابطة بین قیمت کل و متغیرهای تعریف‌شده در این مقاله، می‌توان نتیجه گرفت که مدل غیرخطی نسبتا بهتر از مدل خطی است، از آنجا که RMSE کمتر و R^2 بزرگ‌تر دارد، بهتر است برای پیش‌بینی قیمت سهام، از مدل‌های غیرخطی روش مارکوف سوئیچینگ استفاده شود.

Keywords [Persian]

  • بازار انرژی
  • مدل‌های خطی و غیرخطی
  • مدل‌های رژیم سوئیچینگ مارکوف
Acatrinei, M. (2015). Olatility spillover across energy indices of the stock markets. Romanian statistical review, 63(Issue 2), 5-13.
Balcilar, M., Gupta, R., & Miller, S. M. (2015). Regime switching model of US crude oil and stock market prices: 1859 to 2013. Journal of Energy Economics, 49(C), 317-327.
Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities. The Journal of Political Economy, 3(81), 637-654.
Brooks, C. (2014). Introductory Econometrics for Finance (3rd ed.). England: Cambridge University Press.
Cheng-Der. F., Ho, K. W. R., Hu, I., & Wang, R. H. (2012). Option pricing in a Black-Scholes model with Markov switching. Journal of Data Science, 10, 483-509.
Everitt, B. S., & Skrondal, A. (2010). The Cambridge Dictionary of Statistics (4th ed.). Cambridge: Cambridge University Press.
Gill, B., Goh, E., & Huang, C. (2016). The dynamics of US-China-Southeast Asia relations. Sydney: The University of Sydney.
Hamilton, J. D. (1994). Time series Analysis. Princeton University Press.
Kanas, A. (2003). Non-linear forecasts of stock returns. International Journal of Forecasting, 22(4), 299-315.
Karatzas, I., & Shreve, S. E. (1991). Brownian motion and Stochastic Calculus (2nd ed.). New York, NY: Springer-Verlag.
Lawrence, R. R. (1989). A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition. Proceedings of the IEEE 77, (2), 257-286.
Mamipour, S., & Vaezi Jezai, F. (2015). Non-linear relationships among the oil price, the gold price and stock market returns in Iran: A multivariate regime-switching approach. Iranian Journal of Economic Studies, 4(1), 101-128.
Mun Fung, W., & Hock See, K. (2002). A Markov switching model of the conditional volatility of crude oil futures prices. Journal of Energy Economics, 24(2000), 71-95.
Nomikos, N., & Alizade, A. (2004). A Markov regime switching approach for hedging stock indices. Futures Markets, 24(7), 649-674.
Wang, Y., Wu, C., & Li, Y. (2016). Forecasting crude oil market volatility: A Markov switching multifractal volatility approach. International Journal of Forecasting, 32, 1-9.
Zou, W., & Chen, J. (2013). A Markov regime-switching model for crude-oil markets: Comparison of composite likelihood and full likelihood. Canadian Journal of Statistics, 41, 353-367.