بررسی حافظه بلندمدت دوگانه با تاکید بر توزیع چوله و دم پهن پسماندها: شواهدی از بورس اوراق بهادار تهران

پژوهش حاضر وجود حافظه بلندمدت را در بورس اوراق بهادار تهران با کاربرد مدلهای GPH، GSP، ARFIMA و FIGARCH بررسی میکند. دادههای موردبررسی، حاوی بازده روزانه هستند و آزمونهای حافظه بلندمدت، برای بازده ونیز برای نوسان سری TEPIX انجامشدهاست. نتایج مدلهای GPH، GSP و ARFIMA، وجود حافظه بلندمدت را در بازده سری نشان میدهند. همچنین نتایج اشاره براین دارند که پویایی های حافظه بلندمدت در بازده و نوسان میتواند توسط کاربرد مدل ARFIMA-FIGARCH، مدلسازی شود. نتایج این مدل شواهد قوی حافظه بلندمدت را هم در میانگین شرطی و هم در واریانس شرطی نشان میدهد. به علاوه، فرض غیرنرمال برای دربرگرفتن دم پهن و نامتقارن باقیمانده های تخمین زده شده، مناسب است. یافته ها نشان میدهند که مدل براساس فرض نرمال گاوسی، ممکن است برای مدلسازی خصوصیت حافظه بلندمدت مناسب نباشد. در نهایت بهنظر میرسد که بازار سرمایه تهران نمیتواند بهعنوان بازار کارا از لحاظ سرعت انتقال دادهها بررسی شود. ازاینرو، امکان کسب سودهای غیرعادی باثبات، از طریق پیش بینی قیمت سهام وجود دارد.

بررسی حافظه بلندمدت دوگانه با تاکید بر توزیع چوله و دم پهن پسماندها: شواهدی از بورس اوراق بهادار تهران Keywords:

حافظه بلندمدت , ARFIMA , FIGARCH , توزیع چوله Student-t , بورس اوراق بهادار تهران