p. 114 -134 .‫ص‬ N° 02 ‫العدد‬ Vol.

09 ‫املجلد‬ Finance & Markets Journal ‫مجلة املالية & االسواق‬

GARCH ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج‬

Modeling natural gas spot prices volatility using GARCH models
1
‫جياللي آمنة‬
Djilali amina
amina.dj8919@yahoo.fr‫ الجزائر‬،‫ تلمسان‬،‫جامعة أبو بكر بلقايد‬

2022-9-21 :‫تاريخ النشر‬ 2022-8-20 :‫تاريخ القبول‬ 2021-12-26 :‫تاريخ االستالم‬

: ‫امللخص‬

‫ ديسمبر‬25 ‫ إلى‬1997‫ يناير‬10 ( ‫ خالل الفترة‬NYMEX ‫هدفت الدراسة إلى بناء نموذج إحصائي ملؤشر أسعار الغاز الطبيعي الفورية في‬
‫ وتمت الدراسة على مراحل ابتداء من‬،‫ التي تأخذ بعين االعتبار تقلبات األسعار خالل الفترة املتداولة‬، GARCH ‫) باستخدام نماذج‬2020
‫دراسة االستقرارية التي أكدت على أن السلسلة متكاملة من الدرجة األولى وعليه بناء النموذج مختلط لالنحدار الذاتي واملتوسطات‬
.‫ باعتباره النموذج املناسب بناء على مجموعة من املعايير‬ARIMA (1.1.1) ‫املتحركة باالعتماد على منهجية بوكس جنكيز وهو‬

‫ وبعد تطبيق مجموعة من املعايير‬،‫ مما يتطلب تكوين نموذج مناسب لهذه السلسلة‬ARCH‫إال أن النموذج األمثل املختار يحتوي على أثر‬
. GARCH(1,0) ‫النموذج األمثل لسلسلة األسعار الفورية للغاز الطبيعي هو‬

. GARCH ‫ نماذج‬،‫ أسعار الفورية‬،‫ الغاز الطبيعي‬، ARIMA ‫نماذج‬: ‫الكلمات املفتاحية‬

Abstract:

The study aimed to build a statistical model of the natural gas spot prices index in NYMEX during the period (10 January
1997 -02 December 2012) using the GARCH models, which take into consideration the fluctuations in prices during
different periods. The study was devised into phases, first an analytical study of the series, The series is a first-order
integrator which builds the mixed model of autoregressive and moving averages, based on the methodology of Box-
Jenkins ARIMA (1.1.1) as the appropriate model based on a set of criteria.
However, the chosen optimal model contains the ARCH effect which requires the formation of an appropriate model for
this series. After applying a set of criteria, the optimal model of the series is the GARCH (1.0).
key words: ARIMA models, Natural Gas , Spot Prices, GARCH Models.

1
amina.dj8919@yahoo.fr ‫ جياللي امنه‬:

114
 ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج ‪GARCH‬‬

‫‪ -1‬مقدمة ‪:‬‬
‫شهد سوق الغاز الطبيعي في السنوات األخيرة تطورين رئيسيين‪ :‬تطوير الغاز الطبيعي‬
‫املسال (‪ )LNG‬من ناحية ‪ ،‬مما يسهل التجارة الدولية بشكل مستقل عن شبكات أنابيب الغاز‬
‫الحالية ؛ والغازات غير التقليدية (خاصة الغاز الصخري) من ناحية أخرى ‪ ،‬مما يزيد بشكل‬
‫ً‬
‫كبير من االحتياطيات املتاحة‪ .‬الغاز الطبيعي املسال الذي يجعله شكله السائل قابال للنقل‬
‫ّ‬
‫بالقوارب ‪ ،‬مكن قطر من تطوير صناعة الغاز بسرعة كبيرة حيث شهد إنتاجها زيادة كبيرة ملدة‬
‫سنويا منذ عام ‪ ،2010‬بهذا املعدل يجب أن تصبح قطر ً‬
‫قريبا ثالث‬ ‫ً‬ ‫عاما بمعدل نمو ‪٪10‬‬ ‫‪ً 15‬‬
‫أكبر منتج في العالم قبل إيران‪ .‬وعلى الصعيد العالمي ‪ ،‬يشكل الغاز الطبيعي املسال اآلن ‪٪30‬‬
‫من التجارة الدولية‪.‬‬
‫ً‬
‫املنتجون الرئيسيون للغاز الطبيعي هم أيضا املستهلكون الرئيسيون‪ :‬وبذلك ستمثل‬
‫الواليات املتحدة ‪ ٪23‬من إجمالي الطلب العالمي ‪ ،‬تليها روسيا (‪ )٪15‬وإيران (‪ ،)٪3‬له مزايا‬
‫ً‬
‫معينة على البترول فاحتراقه سيكون أقل تلويثا وسيكلف بشكل عام أقل‪ .‬عيوبه الرئيسية هي‬
‫قيود النقل التي تتالش ى مع ازدهار الغاز الطبيعي املسال‪ .‬منذ حوالي ‪ 10‬سنوات ‪ ،‬كان‬
‫االستهالك العالمي ينمو بمعدل سنوي يبلغ ‪ ٪3‬في املتوسط ‪،‬على الرغم من االنخفاض املؤقت في‬
‫عام ‪ 2009‬عندما سقط العديد من البلدان املتقدمة في حالة ركود‪ ،‬منذ ذلك الحين استعاد‬
‫الطلب معدل نموه على املدى الطويل واملتوقع أن يستمر االستهالك في االرتفاع بمعدل حوالي‬
‫ً‬
‫سنويا على مدى السنوات القليلة املقبلة‪.‬‬ ‫‪٪5‬‬
‫تشهد أسعار الغاز الطبيعي تقلبات بفعل عديد العوامل اقتصادية واجتماعية وسياسية‬
‫‪،‬التي تسبب مخاوف كبيرة بين املشاركين في السوق والباحثين ‪ ،‬فعلى سبيل املثال ‪ :‬لعدة‬
‫سنوات كان إنتاج الغاز أعلى بكثير من االستهالك هذا الفائض يؤثر بشكل طبيعي على األسعار‪.‬‬
‫كذلك نشهد عالقة وطيدة بين أسعار الغاز وأسعار النفط ففي عام ‪ 2011‬انخفضت أسعار‬
‫الغاز الطبيعي من ‪ 7‬دوالرات إلى ‪ 3‬دوالرات لكل مليون وحدة حرارية بريطانية ‪ ،‬بينما ارتفعت‬
‫أسعار النفط خالل نفس الفترة بأكثر من ‪ .٪20‬وعلى العكس من ذلك ‪ ،‬ارتفعت أسعار الغاز‬
‫أيضا إلى أن‬‫مستقرا‪ .‬وتجدر اإلشارة ً‬
‫ً‬ ‫بشكل حاد بين عامي ‪ 2012‬و ‪ 2013‬بينما ظل النفط‬
‫التوترات الجيوسياسية بين أوكرانيا وروسيا تسببت لبضع سنوات ‪ ،‬في زيادة ملحوظة في أسعار‬
‫الغاز عندما أوقفت روسيا شحناتها عن طريق التأثير الغير مباشر على العديد من الدول‬

‫‪115‬‬
 ‫جياللي امنه‬

‫األوروبية‪ .‬كان هذا هو الحال بشكل خاص في بداية عام ‪ 2014‬عندما قفزت األسعار‬
‫بنسبة ‪( ٪50‬من ‪ 4‬إلى ‪ 6‬دوالرات) بين يناير وفبراير أثناء الصراع في شبه جزيرة القرم‪ .‬يعتبر‬
‫التقلب من املدخالت الرئيسية في حساب القيمة املعرضة للخطر (‪ )Var‬وسعر املشتقات ‪،‬‬
‫وبالتالي فإن التنبؤ بتقلب أسعار الغاز الطبيعي ونمذجته له آثار نظرية وعملية مهمة‪.‬‬
‫من خالل ما سبق يمكن طرح اإلشكالية التالية‪:‬‬
‫ما مدى إمكانية نماذج ‪ GARCH‬في التعامل مع تقلبات أسعار الغاز الطبيعي الفورية؟‬
‫فرضيات الدراسة ‪:‬‬
‫إمكانية استخدام منهجية بوكس جينكيز لدراسة سلسلة األسعار الفورية للغاز‬ ‫‪‬‬
‫الطبيعي‪.‬‬
‫تعد نماذج ‪ GARCH‬األنسب لدراسة هذه السلسلة باعتبارها تحتوي على عدم ثبات‬ ‫‪‬‬
‫التباين‪.‬‬
‫منهج البحث‪:‬‬
‫تم استخدام في هذه الدراسة املنهج الوصفي في الجانب النظري وذلك بالتطرق إلى األسس‬
‫النظرية لنماذج املستخدمة‪ ،‬أما الجانب التطبيقي فقد استخدم املنهج االستقرائي بأدواته‬
‫القياسية واإلحصائية‪.‬‬
‫‪ -2‬اسواق الغاز الطبيعي ‪:‬‬
‫ألسباب عديدة أهمها تغطية تكاليف االستثمار‪ ،‬ظلت صناعة الغاز تعتمد في تجارتها أساسا‬
‫على العقود طويلة األجل‪ ،‬غير أنه ونتيجة تطور التجارة الغازية الدولية من جهة‪ ،‬وسعي الدول‬
‫املستهلكة لخلق سوق غازي تنافس ي من جهة أخرى‪ ،‬برزت طرق جديدة للتعامل مع بيع وشراء‬
‫الغاز الطبيعي ‪ ،‬منها على وجه الخصوص أسواق الغاز الفورية واألسواق املستقبلية‪.‬‬
‫‪ -‬أسواق الغاز الفورية ‪ :‬يقصد بالسوق الفوري تلك العقود التي تغطي عادة شحنة‬
‫واحدة وبسعر ثابت ويقض ي بالتسليم املباشر أو الفوري‪ ،‬وتكون فترة العقد قصيرة‪،‬‬
‫تمتد عادة ما بين يوم إلى ‪ 30‬يوما‪ ،‬كما يمكن أن يغطي العقد الفوري عدة شحنات‬
‫فورية يتم االتفاق على تسليمها خالل فترة معينة‪ ،‬وقد يسمى العقد الفوري عقدا‬
‫قصير األجل وتمتد فترته إلى سنة فأقل‪ ،‬وبالتالي يمكن القول بأن جميع العقود‬
‫الطويلة األجل إنما تنتمي للسوق قصيرة األجل ‪. (Augustine, understanding‬‬
‫)‪natural gas market, 2006‬‬

‫‪116‬‬
 ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج ‪GARCH‬‬

‫وتهتم السوق الفورية بالجانب الحقيقي امللموس في تجارة الغاز على املدى القصير‪ ،‬حيث‬
‫ينتهي مفعول تلك العقود بالتسليم الفعلي للغاز‪ ،‬كما أن التعامل في السوق الفورية يتم‬
‫بصورة مباشرة بين البائع واملشتري أو من يمثلهما من وسطاء وسماسرة‪ ،‬ومن دون تدخل من‬
‫أسواق البورصة‪.‬‬
‫‪ -‬أسواق الغاز املستقبلية ‪ :‬السوق املستقبلية هي السوق التي تهتم بالجانب الورقي‬
‫من تجارة الغاز‪ ،‬وتستخدم املشتقات املالية كأدوات‪ ،‬وبالتالي فهي ذات طابع مالي‪،‬‬
‫ففي الوقت الذي ينتهي فيه التعاقد في السوق الفو رية بالتسليم الفوري للبضاعة‪،‬‬
‫يتم التعاقد بالدرجة األولى في السوق املستقبلية بغرض تحويل مخاطر التغيير في‬
‫سعر البضاعة املتاجر بها وليس لتحويل امللكية الحقيقية )‪. (htt2‬‬
‫وكان نجاح السوق الفورية للغاز بادرة لتطور أسواق الغاز املستقبلية خالل عقد‬
‫التسعينات‪ ،‬وذلك كنتيجة مباشرة إلجراءات تحرير أسواق الغاز في بعض البلدان‪ .‬وقد افتتح‬
‫أول سوق مستقبلي للغاز في أمريكا في أفريل ‪ 1990‬في سوق نايمكس في نيويورك‪ .‬وتاله بعد‬
‫ذلك فتح سوق للغاز في بريطانيا في سوق )‪ (IPE‬في لندن في جانفي ‪.1997‬‬
‫وتختلف السوق املستقبلية عن السوق الفورية بأن أسعارها أكثر شفافية‪ ،‬وتنشر بصورة‬
‫مباشرة‪ ،‬وتكون متوفرة للجميع‪ ،‬كما يتم نشر أرقام الكميات التي تباع وتشترى من خالل‬
‫السوق بصورة دقيقة‪ .‬وبسبب طبيعة األسواق املستقبلية‪ ،‬وباألخص درجة الضمان العالي‬
‫لتنفيذ العقود‪ ،‬وتوفير السوق إلمكانيات أوسع تشمل البيع والشراء والتحوط واالستثمار‪ ،‬فإنها‬
‫تجذب عددا أكبر وأكثر تنوعا من املتعاملين مقارنة باألسواق الفورية‪.‬‬
‫‪ -3‬خصائص السالسل الزمنية املالية ‪:‬‬
‫تعتمد دراسة الظواهر التي تتم عبر فترات زمنية على مجموعة من املشاهدات تتولد عبر‬
‫الزمن تسمى بيانات السالسل الزمنية هذه األخيرة غير مستقلة عن بعضها البعض من هنا‬
‫يستغل عدم االستقالل في املساعدة على التنبؤ‪ .‬وبالتالي يؤدي تحليل السلسلة الزمنية إلى‬
‫وصف العملية النظرية التي تولدت منها السلسلة في شكل نموذج له خصائص مشابهة‬
‫لخصائص الظاهرة نفسها‪.‬‬
‫يعتبر تحليل السالسل الزمنية من األساليب اإلحصائية املهمة التي تستخدم في التنبؤ بقيم‬
‫الظواهر العشوائية في املستقبل ‪.‬تتضمن دراسة السالسل الزمنية العديد من الطرق ‪ ،‬من‬

‫‪117‬‬
 ‫جياللي امنه‬

‫أشهرها األسلوب الذي قدمه ‪ (1976) (Box, 1970) Jenkins box and‬بعنوان نماذج‬
‫االنحدار الذاتي للمتوسطات املتحركة ‪ (ARMA ) Average Moving Autoregressive‬والتي‬
‫يمكن استخدامها في نمذجة عدة أشكال من السالسل الزمنية املستقرة ‪ ،‬أما السالسل الزمنية‬
‫الغير مستقرة تستخدم نماذج االنحدار الذاتي واملتوسطات املتحركة املتكاملة‬
‫‪ ( ARIMA) Average Moving Intergrated Autoregressive‬هذه النماذج تجعل‬
‫السالسل الزمنية مستقرة في املتوسط ‪ ،‬كما يفترض التحليل االقتصادي أن يكون تباين حد‬
‫الخطأ العشوائي ثابت عبر الزمن وهو ما يعرف بافتراض تبات التباين ‪Homoscedasticity‬‬
‫هذا االفتراض يكون خاطئا في حاالت البيانات الشديدة التقلب ‪ ،‬هذه السالسل تتسم بعدم‬
‫تبات التباين ‪ Hetoroscedasticity‬ومحاولة جعلها مستقرة يفقدها الدقة في التنبؤ بالتقلبات‬
‫‪ ،‬لهذا يكون من األفضل دراسة نمط تقلب التباين "فحص التباين الشرطي" ‪Coditional‬‬
‫‪ Variance‬أو ما يعرف بالتقلبات ‪ Volatility‬بديال عن التباين غير الشرطي الذي يمثل التباين‬
‫على املدى الطويل للسلسلة الزمنية والذي يفترض على انه تباين ثابت ‪.‬‬
‫مجموعة من الخصائص املهمة التي تنفرد بها سلسلة العوائد املالية عن باقي السالسل‬
‫الزمنية فقد الحظ الباحثون االقتصاديون أن التمثيل البياني لتوزيع السالسل املالية له‬
‫تفرطح حاد ‪ Leptokurtosis‬ذيول سميكة ‪ Fat Tails‬تجمع التقلبات ‪Clustering Volatility‬‬
‫وتأثير الرافعة املالية ‪ Effect Leverage‬التي يقصد بها عدم التناظر في الصدمات باإلضافة إلى‬
‫توزيعات ‪ )htt1( Leptokurtic‬هي توزيعات إحصائية ذات تفرطح يزيد عن ثالثة‪ .‬إنها واحدة‬
‫من ثالث فئات رئيسية موجودة في تحليل التفرطح‪ .‬النظيران اآلخران هما ‪ Mesokurtic‬و‬
‫‪.Platykurtic‬‬
‫الشكل (‪ : )01‬توزيعات ‪ Mesokurtic‬و ‪ Platykurtic‬و‪Leptokurtic‬‬

‫املصدر‪/ https://analystprep.com/cfa-level-1-exam/quantitative-methods/kurtosis :‬‬

‫‪118‬‬
 ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج ‪GARCH‬‬

‫توزيعات ‪ : Leptokurtic‬هي توزيعات ذات تفرطح أكبر من التوزيع الطبيعي بحيث‬ ‫‪‬‬
‫التوزيع الطبيعي له تفرطح من ثالثة لذلك ‪ ،‬فإن التوزيع الذي يحتوي على تفرطح أكبر من‬
‫ً‬
‫توزيعا ‪. Leptokurtic‬‬ ‫ثالثة ُ‬
‫سي ّ‬
‫سمى‬
‫بشكل عام توزيعات ‪ Leptokurtic‬لها ذيول أثقل أو احتمالية أعلى للقيم املتطرفة عند مقارنتها‬
‫بتوزيعات ‪ Mesokurtic‬أو‪. Platykurtic‬‬
‫عند تحليل العوائد التاريخية‪ ،‬يمكن أن يساعد التفرطح املستثمر في قياس مستوى مخاطر‬
‫األصول‪ .‬يعني التوزيع ‪ Leptokurtic‬أن املستثمر يمكن أن يواجه تقلبات أوسع (على سبيل‬
‫املثال ثالثة أو أكثر من االنحرافات املعيارية عن املتوسط) مما يؤدي إلى إمكانية أكبر لتحقيق‬
‫عوائد منخفضة أو عالية للغاية‪.‬‬

‫يمكن تضمين توزيعات ‪ Leptokurtic‬عند تحليل احتماالت القيمة املعرضة للخطر )‪(VaR‬‬
‫يمكن أن يوفر التوزيع الطبيعي للمخاطر املعرضة للمخاطر توقعات نتائج أقوى ألنها تتضمن ما‬
‫يصل إلى ثالثة تفرطح‪ .‬بشكل عام كلما قل التفرطح وزادت الثقة داخل كل منهما زادت‬
‫موثوقية وأمان توزيع القيمة املعرضة للخطر‪.‬‬
‫ً‬
‫تشتهر توزيعات ‪ Leptokurtic‬بتجاوز ثالثة تفرطح‪ .‬يؤدي هذا عادة إلى تقليل مستويات الثقة‬
‫داخل التفرطح الزائد ‪ ،‬مما يؤدي إلى تقليل املوثوقية‪ .‬يمكن أن تظهر توزيعات ‪Leptokurtic‬‬
‫أيضا قيمة أعلى معرضة للخطر في الذيل األيسر ً‬
‫نظرا للقيمة األكبر تحت املنحنى في أسوأ‬ ‫ً‬
‫السيناريوهات‪ .‬بشكل عام يؤدي االحتمال األكبر للعوائد السلبية ً‬
‫بعيدا عن املتوسط املوجود‬
‫على الجانب األيسر من التوزيع إلى ارتفاع القيمة املعرضة للخطر‪.‬‬
‫الشكل (‪ : )02‬مقارنة التوزيع الطبيعي بتوزيع ‪Leptokurtic‬‬

‫‪119‬‬
 ‫جياللي امنه‬

‫املصدر‪https://www.brownadvisory.com/us/theadvisory/investment -perspectives-fat-tails :‬‬

‫أثار الرافعة ‪)2010 ،Francq( : Effect Leverage‬‬ ‫‪‬‬

‫تعني أن قيمة االرتفاع أو الزيادة في التقلبات بعد الصدمات السالبة تكون اكبر منها في حالة‬
‫الصدمات املوجبة ‪.‬‬
‫تجمع التقلبات ‪:Clustering Volatility‬‬ ‫‪‬‬
‫يتغير التباين الشرطي عبر الزمن اعتمادا على مربعات املشاهدات السابقة ‪ ،‬فإذا حدث‬
‫تحرك كبير في السلسلة خالل عدد من األيام املاضية فسيظهر اثر هذا التحرك في زيادة‬
‫التقلبات ويعني ذلك صدمة كبيرة في السلسلة تتبعها صدمة كبيرة أخرى وعندما تكون التقلبات‬
‫مرتبطة تظهر السلسلة الزمنية بها تقلبات عالية في فترات ثم فترات ذات تقلبات منخفضة‬
‫ويسمى هذا النمط بتكتالت التقلبات يمكن مالحظ وجوده من خالل رسم السلسلة الزمنية‬
‫عبر الزمن )‪ (cont, 2006‬الشكل (‪ :)03‬تجمع التقلبات‬

‫‪Atoi, N. V. (2014). Testing Volatility in Nigeria Stock Market Using GARCH Models . CBN‬‬
‫‪Journal of Applied Statistics , 65-93‬‬

‫‪ -4‬فرضية السير العشوائي )‪: Random Walk Hypothesis(RWH‬‬

‫يعد روبرتس ) ‪ ( Roberts 1959‬أول املهتمين بدراسة السير العشوائي لألسعار من خالل‬
‫ً‬
‫دراسته ملستويات األسعار الفعلية للسوق ل‪ 52‬أسبوع وفقا ملؤشر داو جون(‪) Dow Jones‬‬
‫ملتوسط الصناعة ‪,‬وتوصل خاللها إلى إن الحركة الفعلية ألسعار األسهم هي حركة عشوائية‪ ،‬تم‬
‫صياغتها لتمنح فرضية السوق املالية الكفؤة ( تتسم السوق بالكفاءة إذا تم تحديد السعر‬
‫بواسطة قوى العرض والطلب التنافسية على أساس التدفق الحر للمعلومات الصحيحة‬

‫‪120‬‬
 ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج ‪GARCH‬‬

‫والكاملة ) مضامين قابلة لالختبار وتؤكد فرضية السير العشوائي على أن تغيرات األسعار‬
‫املتتابعة تكون مستقلة أي أن األسعار في أي فترة زمنية في املتوسط ستعكس القيمة الحقيقية‬
‫للسهم ‪ .‬وان التغيرات التي تطرأ على أسعار األسهم في املستقبل البد أن تكون مستقلة تماما عن‬
‫التغيرات التي طرأت على السعر في املاض ي (الحسناوي‪.)1997 ،‬‬
‫يظهر بوضوح الترابط بين مفهومي السير العشوائي والسوق الكفوءة ومضمون املستوى‬
‫الضعيف للكفاءة املتمثل في عدم إمكانية التنبؤ بأسعار األسهم باالعتماد على املعلومات املتاحة‬
‫عن األسعار و حجوم التداول التي جرت في املاض ي ‪.‬وتفترض فرضية السير العشوائي بأن‬
‫املعلومات الجديدة تكون عشوائية‪ ،‬وان دخولها إلى السوق يكون بشكل عشوائي هذا يؤدي إلى‬
‫إحداث تغيرات عشوائية في األسعار‪.‬‬
‫‪ -5‬عائلة نماذج االنحدار الذاتي الشرطية غير املتجانسة (‪)ARCH‬‬
‫يتطلب كل نموذج من عائلة ‪ ARCH‬أو ‪ GARCH‬معادلتين متميزتين‪ :‬معادالت املتوسط والتباين‪.‬‬
‫وفقا‪ ) ENGLE) 1982‬يمكن نمذجة التغاير الشرطي في سلسلة باستخدام نموذج‬ ‫ً‬
‫‪ARCH‬الذي يعبر عن معادلة املتوسط في الشكل‪(dahlvid, 2017) :‬‬
‫(‪)1‬‬
‫حيث ‪:‬‬
‫املعادلة (‪ )1‬هي املعادلة املتوسط التي تنطبق ً‬
‫أيضا على نموذج ‪. GARCH‬‬
‫‪ :‬هو توقع مشروط باملعلومات املتاحة في الوقت ‪.t-1‬‬
‫‪ :‬وهو خطأ ناتج عن املعادلة املتوسطة في الوقت ‪. t‬‬
‫‪ :‬وهو عبارة عن سلسلة من املتغيرات العشوائية املستقلة املوزعة بشكل متماثل )‪iid‬‬
‫؛‬ ‫) بمتوسط صفر وتباين الوحدة‪.‬‬
‫ُ‬
‫تعطى معادلة التباين لنموذج ‪ )q (ARCH‬على النحو التالي ‪:‬‬

‫(‪)2‬‬

‫و‬ ‫;‬ ‫;‬ ‫حيث ‪:‬‬

‫‪121‬‬
 ‫جياللي امنه‬

‫‪Generalized ARCH (GARCH) Model:‬‬

‫و‬ ‫;‬ ‫;‬ ‫;‬
‫يتم التعبير عن ا لتباين الشرطي لنموذج )‪ ،GARCH (p q‬بشكل عام على النحو التالي ‪:‬‬

‫)‪(3‬‬
‫حيث أن ‪:‬‬
‫يتم صياغة املعادلة السابقة ‪ 3‬بوضع تأخير من الدرجة األولى )‪GARCH (1, 1‬‬

‫)‪(4‬‬
‫‪ ( ,‬املعامالت الثالثة موجبة (يضمن هذا القيد أن تكون التقلبات موجبة )‬ ‫)‬

‫( ضرورة استقرارية التباين املشترك ))‪(Danielsson, 2001‬‬ ‫‪+‬‬ ‫‪<1‬‬

‫‪The Threshold GARCH (TGARCH) Model :‬‬

‫يتم إعطاء املعادلة املعممة للتباين الشرطي باستخدام )‪ TGARCH (p, q‬على النحو التالي‪:‬‬
‫)‪(Atoi, 2014‬‬

‫)‪(5‬‬

‫اذا‬ ‫حيث ان ‪:‬‬

‫أن هاتين‬ ‫وتشير األخبار السيئة إلى‬ ‫في هذا النموذج تشير األخبار السارة إلى‬
‫الصدمتين املتساويتين في الحجم لها تأثير مختلفة على التباين الشرطي‪ .‬األخبار السارة لها تأثير‬
‫‪،‬مما‬ ‫‪ .‬تزيد األخبار السيئة من التقلبات عندما‬ ‫واألخبار السيئة لها تأثير‬
‫عندما يكون تأثير األخبار غير متماثل‪.‬‬ ‫يعني وجود تأثير الرافعة املالية في ‪ i-th‬تأخير و‬
‫فإن التمثيل من الدرجة األولى‪ (p, q) TGARCH‬هو ‪:‬‬

‫)‪(6‬‬
‫تأثير األخبار السيئة ‪.‬‬ ‫تأثير األخبار الجيدة‬

‫‪122‬‬
 ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج ‪GARCH‬‬

‫)‪The Exponential GAR CH (EGARCH) Model : (salisu, 2019‬‬

‫يتم تحديد التباين الشرطي لنموذج )‪ EGARCH (p, q‬بشكل عام على أنه‪:‬‬

‫(‪)7‬‬

‫و‬ ‫يشير إلى األخبار السارة واألخبار السيئة وإجمالي آثارها هي‬
‫التوقع هو أن األخبار السيئة سيكون لها‬ ‫‪،‬على التوالي‪ .‬عندما يكون‬
‫‪.‬‬ ‫تأثير أكبر على التقلبات‪ .‬يحقق نموذج ‪ EGARCH‬ثبات التغاير عندما‬

‫نمذجة التباين الشرطي باستخدام نموذج )‪EGARCH (1, 1‬‬

‫)‪(8‬‬

‫)‪The Power GARCH (PGARCH) Model : (P Sidorov, 2010‬‬

‫عبر )‪ Ding et al (1993‬عن التباين املشروط باستخدام‬

‫)‪(9‬‬
‫‪+‬‬
‫يثبت وجود تأثيرات الرافعة املالية‪.‬‬ ‫‪،‬‬ ‫هنا‪،‬‬
‫ً‬
‫‪،‬معبرا عنه على النحو التالي‪:‬‬ ‫للمعادلة (‪ )9‬في حالة )‪PGARCH (1, d, 1‬‬

‫)‪(10‬‬

‫‪ -6‬الدراسة التطبيقية ‪:‬‬

‫‪ 1-6‬عينة وحدود الدراسة ‪:‬‬
‫من اجل تحقيق هدف الدراسة قمنا نختار بيانات سعر اإلغالق األسبوعي لعقود الغاز‬
‫الطبيعي الفورية في نايمكس تغطي بيانات العينة الخاصة بنا الفترة من ‪ 10‬يناير ‪ 1997‬إلى ‪25‬‬
‫ديسمبر ‪ 2020‬نحصل على بيانات األسعار من وكالة معلومات الطاقة )‪(EIA‬‬
‫‪123‬‬
 ‫جياللي امنه‬

‫)‪ (http://www.eia.doe.gov/‬نأخذ الفروق من الدرجة األولى في األسعار اللوغاريتمية على أنها‬

‫العوائد األسبوعية ونستخدم العوائد املربعة كمؤشر للتقلبات‪.‬‬
‫الشكل رقم (‪ : )04‬الرسم البياني لسلسلة أسعار األسبوعية والعوائد األسبوعية للغاز الطبيعي‬

‫املصدر‪ :‬من إعداد الباحثة باستخدام برنامج ‪EVEIWS 10‬‬

‫‪ 2-6‬اختبار االستقرارية ‪:‬‬

‫قمنا بدراسة اختبارات الجذر الوحدوي للسلسلة باستخدام اختبار ‪ ADF‬واختبار‪Philips-‬‬

‫‪.Perron‬‬

‫الجدول رقم (‪ : )01‬اختبار جذر الوحدة لسلسلة العوائد األسبوعية للغاز الطبيعي‬

‫‪Augmented Dickey- Fuller test‬‬

‫‪Probabili‬‬ ‫بوجود الثابت‬
‫بدون ثابت واتجاه‬ ‫بوجود ثابت واتجاه‬ ‫النموذج‬
‫‪ty‬‬ ‫فقط‬
‫‪-21.59389‬‬ ‫‪-22.66608‬‬ ‫‪-22.65868‬‬ ‫اختبار ‪ADF‬‬
‫‪0.0000‬‬ ‫‪-2.566816‬‬ ‫‪-3.435377‬‬ ‫‪-3.965416‬‬ ‫‪Level 1%‬‬ ‫‪Test‬‬
‫‪-1.941077‬‬ ‫‪-2.863648‬‬ ‫‪-3.413416‬‬ ‫‪Level 5%‬‬ ‫‪Critical‬‬
‫‪124‬‬
 ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج ‪GARCH‬‬

‫‪-1.616529‬‬ ‫‪-2.567942‬‬ ‫‪-3.128746‬‬ ‫‪Level 10%‬‬ ‫‪values‬‬

‫‪Philips-Perron test‬‬
‫‪Probabili‬‬ ‫بدون ثابت واتجاه‬ ‫بوجود الثابت فقط‬ ‫بوجود ثابت واتجاه‬ ‫النموذج‬
‫‪ty‬‬
‫‪-22.25154‬‬ ‫‪-22.65594‬‬ ‫‪-22.64899‬‬ ‫اختبار ‪Philips-Perron‬‬
‫‪0.0000‬‬ ‫‪-2.566816‬‬ ‫‪-3.435377‬‬ ‫‪-3.965416‬‬ ‫‪Level 1%‬‬ ‫‪Test‬‬
‫‪-1.941077‬‬ ‫‪-2.863648‬‬ ‫‪-3.413416‬‬ ‫‪Level 5%‬‬ ‫‪Critical‬‬
‫‪-1.616529‬‬ ‫‪-2.567942‬‬ ‫‪-3.128746‬‬ ‫‪Level10%‬‬ ‫‪values‬‬

‫‪ -‬نالحظ من خالل الجدول )‪ (01‬أن السلسلة )‪ (spotreturns‬ال تحتوي على جذر‬

‫وحدوي فهي مستقرة ‪ ،‬حيث يظهر دلك جليا من خالل قيم ‪ ADF‬في النماذج الثالثة ‪،‬‬
‫فهي اكبر من القيم املستخرجة من الجدول ‪ Mackinnon‬بالقيمة املطلقة ‪.‬‬
‫‪ -‬نالحظ أيضا من خالل الجدول )‪ (01‬أن السلسلة )‪ (spotreturns‬ال تحتوي على جذر‬
‫وحدوي فهي مستقرة ‪ ،‬حيث يظهر دلك جليا من خالل قيم ‪ Philips-perron‬في‬
‫النماذج الثالثة ‪ ،‬فهي اكبر من القيم املستخرجة من الجدول ‪ Mackinnon‬بالقيمة‬
‫املطلقة ‪.‬‬
‫الشكل (‪ : )05‬التمثيل البياني لدالتي االرتباط الذاتي والجزئي للسلسلة )‪(spotreturns‬‬

‫املصدر‪ :‬من إعداد الباحثة باستخدام برنامج ‪EVEIWS 10‬‬

‫‪125‬‬
 ‫جياللي امنه‬

‫‪ 3-6‬تحديد وتقدير النموذج املالئم ‪:‬‬

‫من خالل الشكل (‪ )05‬نالحظ أن معامالت االرتباط الذاتي)‪ (AR‬للسلسلة املستقرة‬

‫)‪ (spotreturns‬تقع داخل مجال الثقة أي تساوي معنويا الصفر عند مستوى داللة ‪0.05‬‬
‫باستثناء معامل االرتباط الذاتي عند الفجوات ‪ p= 1‬فهو يختلف معنويا عن الصفر ويقع خارج‬
‫مجال الثقة ‪ ،‬أما معامالت االرتباط الجزئي )‪ (MA‬تقع داخل مجال الثقة أي تساوي معنويا‬
‫الصفر عند مستوى داللة ‪ 0.05‬باستثناء معامل االرتباط عند الفجوات ‪ q= 1,2,3‬فهو يختلف‬
‫معنويا عن الصفر ويقع خارج مجال الثقة ‪.‬من خالل نتائج التقدير املبينة في الشكل (‪03‬‬
‫(باستخدام برنامج ‪ EVIEWS‬تمت املفاضلة بين ‪ 08‬نموذج محتمل وعليه النموذج الذي تم‬
‫تحديده هو نموذج )‪.ARIMA (1.1.1‬‬

‫الشكل (‪ : )06‬نتائج اختبارات التقدير على السلسلة )‪(spotreturns‬‬

‫املصدر‪ :‬من إعداد الباحثة باستخدام برنامج ‪EVEIWS 10‬‬

‫‪126‬‬
 ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج ‪GARCH‬‬

‫‪ 4-6‬اختبار التوزيع الطبيعي للبواقي‪:‬‬

‫الشكل (‪ : )07‬نتائج اختبارات التوزيع الطبيعي على السلسلة )‪(spotreturns‬‬

‫املصدر‪ :‬من إعداد الباحثة باستخدام برنامج ‪EVEIWS 10‬‬

‫من خالل الشكل(‪ )07‬نالحظ ان قيمة بعض معامالت دالتي االرتباط الذاتي والجزئي لسلسلة‬
‫البواقي تقع خارج مجال الثقة ‪ ،‬مايعني ان البواقي التتبع التوزيع الطبيعي‪ ،‬ايضا احتمال‬
‫احصائية ‪ jarque-bera‬اقل من ‪ %5‬اذن البواقي ال تتبع التوزيع الطبيعي فالنموذج املقدر غير‬
‫جيد‪.‬‬

‫‪ 5-6‬اختبار اثر ‪ ARCH‬في النموذج )‪:ARIMA (1.1.1‬‬

‫تفرض نماذج االنحدار الذاتي املتوسط املتحرك ‪ ARIMA‬تبات التباين عبر الزمن ‪ ،‬في‬
‫الواقع ثبات التباين عبر الزمن ال يتحقق دائما ‪ ،‬وخاصة عند التعامل مع السالسل الزمنية‬
‫املالية وذلك الن من مزايا هذه األخيرة هي القدرة على إعطاء تنبؤات دقيقة فيما يخص‬
‫التباينات والتباينات املشتركة لعوائد األصول املالية من خالل نمذجة التباينات املتغيرة زمنيا‪.‬‬

‫‪127‬‬
 ‫جياللي امنه‬

‫الشكل (‪ : )08‬نتائج اختبار ‪ARCH‬‬

‫املصدر‪ :‬من إعداد الباحثة باستخدام برنامج ‪EVEIWS 10‬‬

‫من خالل الشكل (‪ )08‬يتبين أن قيمة ‪ Obs*R-squared‬تساوي ‪4.702715‬وقيمة (‪)1‬‬

‫‪ Prob Chi-Square‬والتي تساوي ‪ 0.0301‬اقل من ‪ 0.05‬وعليه يتم رفض الفرضية الصفرية‪H0‬‬
‫وقبول الفرضية البديلة ‪ ،H1‬أي أن تباين األخطاء غير ثابت عبر الزمن ‪،‬أي أن البواقي تخضع‬
‫لنموذج ‪. ARCH‬‬
‫الشكل (‪ : )09‬اختبارات التوزيع الطبيعي للسلسلة )‪(spotreturns‬‬

‫املصدر‪ :‬من إعداد الباحثة باستخدام برنامج ‪EVEIWS 10‬‬

‫من خالل الشكل يتبين أن اصغر قيمة في السلسلة الزمنية هي (‪ )0.000‬واكبر قيمة (‬ ‫‪-‬‬
‫‪ )0.412297‬واملتوسط السلسلة الزمنية يساوي (‪ )0.001506‬وبانحراف معياري يساوي‬
‫(‪. )0.005982‬‬

‫‪128‬‬
 ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج ‪GARCH‬‬

‫ويتبين أن قيمة معامل االلتواء ‪ )13.15313 ( Skewness‬موجبة وهذا يدل على أن‬ ‫‪-‬‬
‫توزيع األخطاء له ذيل طويل بجهة اليمين ( التواء موجب) يدل ذلك على أن أسعار الغاز‬
‫الطبيعي املستقبلية تتأثر بالصدمات املوجبة أكثر من السالبة ‪.‬‬
‫كذلك قيمة معامل التفلطح ‪ Kurtosis‬تختلف عن قيمة "‪ "3‬املميزة للتوزيع الطبيعي‬ ‫‪-‬‬
‫وهو يتراوح في هذه العينة ( ‪ )214.1880‬مما يدل على أن البواقي له أطراف سميكة وتتسم‬
‫بالتفلطح وبالتالي يختلف عن التوزيع الطبيعي ‪ ،‬باإلضافة إلى وجود قيم شادة في السلسلة ‪.‬‬
‫تؤكد إحصائية ) ‪ ( Jarque-bera‬التي تشير إلى أن هذه البواقي ال تتبع قانون التوزيع‬ ‫‪-‬‬
‫الطبيعي عند مستوى معنوية (‪ )%5‬وهذه ميزة السالسل الزمنية‪.‬‬
‫الجدول رقم (‪: )02‬اختبارات التوزيع الطبيعي للسلسلة )‪(spotreturns‬‬

‫احتمال ‪Probability‬‬ ‫القيمة ‪Value‬‬ ‫‪Method‬‬ ‫الطريقة‬

‫‪0.0000‬‬ ‫‪0.393563‬‬ ‫)‪Lilliefors(D‬‬
‫‪0.0000‬‬ ‫‪57.95799‬‬ ‫)‪Cramer- von Mises(W2‬‬
‫‪0.0000‬‬ ‫‪56.83906‬‬
‫)‪Watson(U2‬‬
‫‪0.0000‬‬ ‫‪291.7648‬‬
‫)‪Anderson-Darling(A2‬‬

‫املصدر‪ :‬من إعداد الباحثة باستخدام برنامج ‪EVEIWS 10‬‬

‫من خالل الجدول نالحظ أن قيم احتمال كل من )‪،Cramer- von Mises(W2) ،Lilliefors (D‬‬
‫)‪ Anderson-Darling(A2)،Watson(U2‬يساوي ‪ 0.000‬وهي اقل من ‪ 0.05‬ما يعني رفض‬
‫الفرضية العدمية ‪ H0‬التي تنص على التوزيع طبيعي وقبول الفرضية البديلة ‪ H1‬ما يعني ان‬
‫التوزيع غير طبيعي‪.‬‬

‫‪129‬‬
 ‫جياللي امنه‬

‫الشكل (‪ : )10‬اختبار استقاللية مشاهدات السلسلة )‪(spotreturns‬‬

‫‪BDS Test .1‬‬

‫املصدر‪ :‬من إعداد الباحثة باستخدام برنامج ‪EVEIWS 10‬‬

‫من خالل الشكل (‪ ) 10‬الذي يعطي نتائج اختبار استقاللية مشاهدة السلسلة الزمنية‬
‫)‪ (spotreturns‬نالحظ أن قيم ‪ p-value‬اصغر من ‪ 0.05‬ما يعني استقاللية املشاهدات ‪.‬وبالتالي‬
‫فان السلسلة املستقرة )‪ (spotreturns‬تتبع سيرا عشوائيا‪.‬‬
‫بتجريب العديد من النماذج من خالل وضع العديد من الصيغ املوسعة لنماذج ‪ARCH‬املتناظرة‬
‫وذلك بزيادة عدد املعامالت و حذف املعامالت غير املعنوية وتحديد النموذج األفضل الذي من‬
‫أجله معياري ‪ Schwarz Akaike‬أقل ما يمكن تقودنا هذه الطريقة إلى اختيار نموذج‬
‫)‪GARCH(1,0‬لوصف سلوك التباين املشروط لسلسلة العوائد األسبوعية للغاز الطبيعي‬
‫‪𝜎𝑡2 = 0.0000369 + 13.28639 𝜀𝑡−1‬‬ ‫‪2‬‬
‫والذي يعطى بالعالقة التالية ‪:‬‬
‫‪ ‬من خالل النتائج املتحصل عليها من الجدول يمكن قبول النموذج املقترح وذلك لالعتبارات التالية‪:‬‬
‫لجميع املعالم معنوية إحصائية‪ ،‬أي أنها تختلف معنويا عن الصفر بنسبة معنوية ‪ ( 0.05‬نرفض‬
‫‪ H0‬قيم ستيودنت أكبر تماما من القيمة الحرجة للتوزيع الطبيعي ‪) 1.96‬‬
‫‪𝑏0 > 0; 0 ≤ 𝑏1 < 1 ‬‬

‫‪130‬‬
 ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج ‪GARCH‬‬

‫عدد‬
‫‪2‬‬ ‫‪2‬‬
‫‪R‬‬ ‫‪SC‬‬ ‫‪AIC‬‬ ‫‪SIGMA‬‬ ‫املعالم‬ ‫املعيار‪ /‬النموذج‬
‫املعنوية‬
‫‪0.174984‬‬ ‫‪-4.951826‬‬ ‫‪-4.968256‬‬ ‫‪0.000405‬‬ ‫‪3‬‬ ‫)‪ARIMA(1.1.1‬‬
‫‪ARIMA(1.1.1)G‬‬
‫‪0.175367‬‬ ‫‪-4.966310‬‬ ‫‪-4.986860‬‬ ‫‪3‬‬
‫)‪ARCH(0.1‬‬
‫‪ARIMA(1.1.1)G‬‬
‫‪0.078565‬‬ ‫‪-5.166187‬‬ ‫‪-5.186737‬‬ ‫‪3‬‬
‫)‪ARCH(1.0‬‬
‫‪ARIMA(1.1.1)G‬‬
‫‪0.152343‬‬ ‫‪-5.054075‬‬ ‫‪-5.078735‬‬ ‫‪2‬‬
‫)‪ARCH(1.1‬‬

‫الشكل (‪ : )11‬تقدير النموذج )‪ARIMA(1,1,1)-GARCH(1,0‬‬

‫املصدر‪:‬من إعداد الباحثة باستخدام برنامج ‪EVEIWS 10‬‬

‫من خالل الشكل (‪ )12‬يتبين أن قيمة ‪ Prob Chi-Square1‬والتي تساوي ‪ 0.9363‬اكبر من ‪0.05‬‬
‫وعليه نقبل الفرض الصفري ‪ H0‬ورفض الفرض البديل ‪ H1‬أي أن تباين األخطاء ثابت عبر‬
‫الزمن ‪،‬أي أن بواقي النموذج )‪ ARIMA(1,1,1)-GARCH(1,0‬ال تخضع لنموذج ‪.ARCH‬‬

‫‪131‬‬
 ‫جياللي امنه‬

‫الشكل (‪ :)12‬اختبار اثر‪ ARCH‬والتوزيع الطبيعي لبواقي النموذج )‪ARIMA(1,1,1)-GARCH(1,0‬‬

‫املصدر‪:‬من إعداد الباحثة باستخدام برنامج ‪EVEIWS 10‬‬

‫‪132‬‬
 ‫نمذجة تقلبات أسعار الغاز الطبيعي الفورية باستخدام نموذج ‪GARCH‬‬

‫‪ -7‬خاتمة‪:‬‬

‫تمحورت هذه الدراسة على بناء نموذج إحصائي مناسب يفسر لنا سلوك السلسلة الزمنية‬
‫الخاصة باألسعار الفورية للغاز الطبيعي خالل الفترة املمتدة ( ‪ 10‬يناير‪ 1997‬إلى ‪ 25‬ديسمبر‬
‫‪ )2020‬اعتمادا على بيانات أسبوعية باعتبار أن هذه السلسلة غير مستقرة عبر الزمن ‪ .‬ومن‬
‫بين النماذج اإلحصائية تم استخدام نماذج االنحدار الذاتي املشروط بعدم ثبات التباين‪GARCH‬‬
‫( ‪ ) 1.0‬فأظهرت الدراسة النتائج التالية ‪:‬‬
‫السلسلة الزمنية ألسعار الفورية للغاز الطبيعي غير مستقرة ومتكاملة من الدرجة األولى ‪.‬‬

‫اعتمدت الدراسة على منهجية بوكس جنكيز ليكون النموذج األمثل( ‪ ARIMA(1,1,1‬وذلك‬
‫باالعتماد مجموعة من املعايير في اختيار هذا النموذج‪ ،‬إال انه يحتوي على أثر ‪.ARCH‬‬

‫تم تطبيق نموذج ( ‪ GARCH ) 1.0‬على السلسلة الزمنية‪ ،‬ومن خالله تأكد لنا أن السلسلة‬
‫الزمنية لألسعار الفورية للغاز الطبيعي تتأثر بالتغيرات الخارجية‪.‬‬

‫‪133‬‬
 ‫جياللي امنه‬

:‫ املراجع‬-8

‫ "اختبار كفاءة السوق املالية (دراسة تطبيقية في‬.)1997( .‫ ميثم ربيع هادي الحسناوي‬-
‫ مقدمة الى مجلس كلية‬,‫ رسالة ماجستير غير منشورة‬.)‫سوق بغداد لألوراق املالية‬
.‫ جامعة بغداد‬:‫االدارة واالقتصاد‬
- Atoi, N. V. (2014). Testing Volatility in Nigeria Stock Market Using
GARCH Models . CBN Journal of Applied Statistics, 65-93.
- Augustine, C. (2006). understanding natural gas market. USA:
publications of API.
- Box, G. a. (1970). Time SeriesAnalysis: Forec-asting and Control.
San Francisco: Holden-Day.
- Cont, R. (2006). volatility clustering in financial markets empirical
facts and agent based models. E-91128. centre de mathématique
appliqués.
- Dahlvid, C. &. (2017). The Leverage Effect: Uncovering the true
nature of US asymmetric volatility. Finance U.S.A : Lund
University.
- Danielsson, J. (2001). Financial Risk Forecasting. chicago : Wiley
Finance John Wiley & Sons LTD.
- Francq, C. a. (2010). GARCH Models Structure, Statistical Inference
and Financial Applications. United Kingdom.
- P Sidorov, S. (2010). An investigation into using news analytics data
in GARCH type volatility models. london : BRUNEL University .
- Salisu, A. (2019, janvier 28). Asymmetric GARCH Models.
Consulté le septembre 19, 2021, sur research gate :
www.researchgate.net
- https://www.investopedia.com/terms/l/leptokurtic.asp
- http://www.qnb.com/cs

134