رویکردی جدید برای تخمین پارامتر حافظه بلندمدت در سریهای زمانی مالی

Abstract

هنگامی که مشاهدات گذشته با آینده دور همبستگی بالایی داشته و رابطه آن ها غیرقابل چشمپوشی است<br />سری زمانی موردمطالعه دارای ویژگی حافظه بلندمدت است. سنجش وجود حافظه بلندمدت در یک سری زمانی<br />کاربردهای فراوانی در حوزههای مختلف مالی دارا میباشد و روشهای مختلفی برای تخمین آن شکل گرفته<br />است که هر یک از این روشها از نواقصی برخوردار میباشد. رویکر بوتسترپ که در این مقاله برای محاسبه<br />پارامتر حافظه بلندمدت به کار گرفته شد تقریب خوبی برای توزیع نمونهگیری در راستای تخمین پارامتر حافظه<br />را شکل میدهد. این رویکرد با محدودیتهای کمتری مواجه است و قادر است بخش عظیمی از مشکلات<br />روشهای گذشته را مرتفع نماید. در این پژوهش از دادههای روزانه شاخص قیمت بورس اوراق بهادار ایران<br />(تهران) در در بازه زمانی دسامبر 2006 الی ژوئن 2010 برای برآورد پارامتر حافظه بلندمدت استفاده شد و نتایج<br />حاصل نشاندهنده بهبود تخمین پارامتر حافظه بلندمدت بود.