بررسی حافظه بلندمدت دوگانه با تاکید بر توزیع چوله و دم پهن پسماندها: شواهدی از بورس اوراق بهادار تهران
Publish place: Industrial Management Studies، Vol: 12، Issue: 33
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 355
This Paper With 28 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIMS-12-33_007
تاریخ نمایه سازی: 1 اردیبهشت 1397
Abstract:
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.
Keywords:
Authors
محمدجواد محقق نیا
استادیار گروه بانکداری اسلامی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران
منصور کاشی
کارشناس ارشد مدیریت بازرگانی - مالی، دانشکده مدیریت و حسابداری، دانشگاه سیستان و بلوچستان، زاهدان، ایران
علیرضا دلیری
دانشجوی دکتری مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران
محمد دنیایی
دانشجوی دکتری مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران