بیمه
F
۵.۰۹۸۱۱۶
۰.۰۲۴۱
۵.۰۸۴۹۲۲
۰.۰۲۴۱
منبع: یافته‌های تحقیق
همانطور که از جدول (۴-۳) مشاهده می‌گردد بر اساس آماره F و کلیه صنایع به استثنای ۶ صنعت (ماشین‌آلات، محصولات فلزی، مواد غذایی، کاشی و سرامیک، فرآورده‌های نفتی و لاستیک) دارای اثر ARCH می‌باشند. در واقع صنایعی که در آن میزان احتمال آزمون آماره F و کمتر از ۵ درصد باشد، دارای اثر ARCH می‌باشند. در واقع برای صنایعی که وجود اثر ARCH در آنها تایید شد می‌توان اینگونه تفسیر نمود که سری زمانی این صنایع دارای واریانس همسان نمی‌باشند. اما از آنجایی که مدل‌های سری‌زمانی عموماً بر پایه‌ی فرض همسانی واریانس‌ها بنا شده‌اند، جهت برآورد روند سری‌های زمانی دارای واریانس ناهمسان، بایستی از مدل‌هایی استفاده شود که شروط ناهمسانی را در برازش این نوع سری‌های زمانی درنظر بگیرد(ابراهیمی، ۱۳۸۵). معروف‌ترین نوع از این مدل‌ها، مدل‌های خانواده GARCH می‌باشند.
بنابراین در ادامه ۶ صنعتی که دارای اثر ARCH نبودند به گام بعدی منتقل می‌شوند و باقی صنایع ( که دارای اثر ARCH هستند) بر اساس ۶ مدل از خانواده GARCH بر حسب توابع توزیع نرمال، t و GED مدلسازی می‌گردند. در این رابطه ابتدا از مدل GARCH ساده و GARCH-M شروع می‌شود، سپس با درنظر گرفتن اثر عدم تقارن معادله تخمین‌زده شده، به ترتیب مدل EGARCHو EGARCH-M برآورد می‌گردد در نهایت با درنظر گرفتن وجود اثر مانایی در معادله واریانس شرطی، مدل IGARCH و IGARCH-M برآورد می‌گردد. با در نظر گرفتن ۳ نوع تابع توزیع در نهایت برای هر صنعت ۱۸ مدل برآورد می‌گردد. جداول (۴-۴) مدل‌های میانگین و واریانس شرطی برآورد شده صنعت سرمایه‌گذاری را نشان می‌دهد. مدل‌های برآورد شده ۱۶ صنعت دیگر در پیوست (و) ارائه شده است.
جدول(۴-۴): مدل‌های میانگین و واریانس شرطی برآورده شدهِ صنعت سرمایه‌گذاری
مدل
توزیع
میانگین شرطی
واریانس شرطی
GARCH
نرمال
(۱۳.۱) (۳.۶۴)
(۶۴.۵) (۶.۸۶) (۳.۴۵)
t
(۱۲.۹) (۳.۳۵)
(۴۹.۵۵) (۵.۴۷) (۲.۷۵)
GED
(۱۳.۱) (۳.۲۴)
(۵۲.۳۷) (۵.۷) (۲.۸)
GARCH-M
نرمال
(۱.۰۲-) (۱۳.۳) (۲.۷۳)
(۶۵.۸) (۶.۶۹) (۳.۱۹)
t
(۱.۲۲-) (۱۳.۱۳) (۲.۸۴)
(۵۱.۴) (۵.۳۵) (۲.۵۳)
GED
(۱.۳۱-) (۱۳.۴) (۲.۸۱)
(۵۳.۸) (۵.۵) (۲.۵۸)
EGARCH
