برآورد درجه انباشتگی شاخص تورم با مدل ARFIMA- FIGARCH مطالعه موردی: ایران

Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 213

This Paper With 26 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JOER-14-52_001

تاریخ نمایه سازی: 7 اسفند 1400

Abstract:

بررسی اثر حافظه در شاخص­های مختلف اقتصادی، به خصوص تورم و بازار پول دارای جذابیت تحقیقاتی بالایی است. این تحقیق با استفاده از داده های شاخص قیمت مصرف کننده ایران در دوره زمانی ۰۸/۱۳۹۰، ۰۱/۱۳۶۹، به بررسی ویژگی حافظه بلندمدت این شاخص پرداخته و مدل ARFIMA برای آن برازش شده است. همچنین مقادیر جزء خطا در مدل ARFIMA با استفاده از مدل FIGARCH مورد بررسی قرار گرفت تا مشخص شود که واریانس ناهمسانی تورم از چه مدلی پیروی می­کند، نتایج تحقیق نشان دهنده این موضوع بود که سری­ زمانی ماهیانه تورم می­تواند دارای ریشه کسری باشند. به عبارتی، درجه ­انباشتگی متغیر تورم می تواند عدد صحیح نباشد و کسری باشد. نتایج تحقیق نشان داد که درجه ­انباشتگی سری تورم باید بین صفر و یک باشد و بدین ترتیب فرضیه حافظه­دار بودن سری تورم مطرح شد. با تخمین پارامتر حافظه بلندمدت در مدل مشخص شد که سری تورم دارای درجه انباشتگی ۴۶/۰ است و با یک بار تفاضل گیری دچار بیش تفاضل گیری می شویم. بنابراین، سری تورم در ایران دارای حافظه بلند­مدت است و آثار هر شوک بر این متغیر به دلیل حافظه بلندمدت آن تا دوره­های طولانی باقی می­ماند.  

Authors

حسین عباسی نژاد

استاد دانشکده اقتصاد دانشگاه تهران

یزدان گودرزی فراهانی

دانشجوی دکترای اقتصاد دانشگاه تهران

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 :
  • برایان، اسنودن (۱۹۸۰)، راهنمای نوین اقتصاد کلان، ترجمه منصور خلیلی ...
  • عباسی نژاد، حسین و احمد تشکینی (۱۳۸۹)، اقتصادسنجی کاربردی پیشرفته، ...
  • عرفانی، علیرضا (۱۳۸۸)، پیش بینی شاخص کل بورس اوراق بهادار ...
  • کشاورز حداد، غلامرضا (۱۳۸۵)، تحلیل اثرات تﻘویمی در نوسانات قیمت ...
  • کشاورز حداد، غلامرضا و باقر صمدی (۱۳۸۸)، برآورد و دقت ...
  • کشاورز حداد، غلامرضا، (در دست چاپ)، مباحثی در روش های ...
  • محمدی، تیمور و رضا طالبلو (۱۳۸۹)، پویایی های تورم و ...
  • محمودی، وحید، شاپور محمدی و هستی چیت سازان (۱۳۸۹)، بررسی ...
  • مشیری، سعید و حبیب مروت (زمستان ۱۳۸۵)، پیش بینی شاخص ...
  • Baillie, R.T and Chung, F.C (۱۹۹۶), Analysing inflation by the ...
  • Baillie, R. T. and Bollerslev (۱۹۹۲), Prediction in Dynamic Models ...
  • Ball, L (۱۹۹۲), Why Does High Inflation Raise Inflation Uncertainty?, ...
  • Bollerslev, T (۱۹۸۶), Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometric, ...
  • Box, G. E. P. and G. M. Jenkins (۱۹۷۶), Time ...
  • Brunner, A.D. and G.D. Hess (۱۹۹۳), Are Higher Levels of ...
  • Bos.S. Charles, Koopman.S. Jan and Ooms.Marius (۲۰۰۷), Long Memory Modelling ...
  • Cheung, Y.-W and F. X. Diebold (۱۹۹۴), On Maximum Likelihood ...
  • Dickey, D. A. and W. A. Fuller (۱۹۷۹), Distribution of ...
  • Engle, R. F (۱۹۸۲), Autoregressive Conditional Heteroscedasticity with Estimates of ...
  • Geweke, J. and Porter-Hudak, S (۱۹۸۳), The estimation and Application ...
  • Granger, C. W. J. (۱۹۸۰), Long Memory Relationships and the ...
  • Granger, C. W. J. and R. Joyeux (۱۹۸۰), An Introduction ...
  • Hosking, J. R. M (۱۹۸۱), Fractional Differencing, Biometrika, Vol ۶۸ ...
  • Kwiatkowski, D., P. C. B. Phillips, P. Schmidt and Y. ...
  • Phillips, P. C. B. and Perron, P (۱۹۸۸), Testing for ...
  • R. T. Baillie (۱۹۹۶). Long Memory Processes and Fractional Integration ...
  • Robinson, F. Peter (۲۰۰۳), Time Series with Long Memory, Oxford ...
  • Sowell, F. B. (۱۹۹۲), Maximum Likelihood Estimation of Stationary Univariate ...
  • Tsay, Wen- Jen (۲۰۰۸), Analysing Inflation by the ARFIMA Model ...
  • نمایش کامل مراجع