بررسی حافظه بلندمدت دوگانه با تأکید بر توزیع چوله و دم پهن پسماندها: شواهدی از بورس اوراق بهادار تهران
دریافت مدرک
FullText
اندازه فایل:
498.3کیلوبایتنوع فايل (MIME):
PDFنوع مدرک
Textمقاله پژوهشی
زبان مدرک
فارسیچکیده
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 و نیز 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 پویایی‌های 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. به‌علاوه، فرض غیرنرمال برای در‌بر‌گرفتن دم پهن و نامتقارن باقیمانده‌های تخمین زده‌شده، مناسب است. یافته‌ها 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 پیش‌بینی قیمت سهام وجود دارد.
کلید واژگان
: حافظه بلندمدتARFIMA
FIGARCH
توزیع چوله Student-t
بورس اوراق بهادار تهران
شماره نشریه
33تاریخ نشر
2014-06-221393-04-01
ناشر
دانشگاه علامه طباطباییAllameh Tabataba'i University
سازمان پدید آورنده
استادیار گروه بانکداری اسلامی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایرانکارشناس ارشد مدیریت بازرگانی- مالی، دانشکده مدیریت و حسابداری، دانشگاه سیستان و بلوچستان، زاهدان، ایران
دانشجوی دکتری مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
دانشجوی دکتری مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
شاپا
2251-80292476-602X
