بررسی وجود حافظه بلندمدت در بورس اوراق بهادار تهران و ارزیابی مدل هایی که حافظه بلندمدت را در نظر می گیرند
Publish place: Journal of Financial Accounting Research، Vol: 2، Issue: 4
Publish Year: 1389
Type: Journal paper
Language: Persian
View: 262
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_FAR-2-4_010
Index date: 16 May 2021
بررسی وجود حافظه بلندمدت در بورس اوراق بهادار تهران و ارزیابی مدل هایی که حافظه بلندمدت را در نظر می گیرند abstract
طی دهه گذشته، فرآیندهای با حافظه بلند مدت، بخش مهمی از تجزیه و تحلیل سریهای زمانی را به خود اختصاص دادهاند. وجود حافظه بلند مدت در بازده داراییها کاربردهای مهمی در بررسی کارایی بازار، قیمتگذاری اوراق مشتقه و انتخاب سبد دارایی دارد. در این تحقیق، ابتدا وجود حافظه بلند مدت در سری زمانی بازده و نوسانها ی شاخص کل بورس اوراق بهادار تهران بررسی شده است. نتایج آزمونهای آماری، وجود حافظه بلندمدت را در بازده و نوسانها ی شاخص کل بورس اوراق بهادار تهران تا سطح اطمینان بالایی تایید میکنند. در ادامه، دقت پیشبینی مدلهایی که ویژگی حافظه بلندمدت را در نظر نمیگیرند، ARMA و GARCH ، با مدلهای مشابهی که این ویژگی را درنظر میگیرند، ARFIMA و FIGARCH ، به روش پنجره غلتان در بازههای زمانی مختلف مقایسه شده است. نتایج این مطالعه نشان میدهد مدل نسبتا ساده ARMA ، در مقایسه با سایر مدلها، بهتر میتواند بازده یک روز بعد شاخص را پیشبینی کند؛ اما در پیشبینی بازده شاخص برای دورههای هفتگی، ماهانه، فصلی و ششماهه، مدل FIGARCH همواره پیشبینیهای دقیقتری ارایه کرده است.
بررسی وجود حافظه بلندمدت در بورس اوراق بهادار تهران و ارزیابی مدل هایی که حافظه بلندمدت را در نظر می گیرند Keywords:
بررسی وجود حافظه بلندمدت در بورس اوراق بهادار تهران و ارزیابی مدل هایی که حافظه بلندمدت را در نظر می گیرند authors
سعید شعرایی
دانشجوی دکتری مدیریت مالی دانشگاه سمفی (Cemfi) اسپانیا
محسن ثنائی اعلم
کارشناس ارشد اقتصاد (گرایش مالی) دانشگاه صنعتی شریف
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :