بررسی حافظه بلندمدت و بکارگیری تجزیه موجک جهت بهبود عملکرد پیش بینی نوسانات بازار سهام

Abstract

شاخصهای بازارهای مالی، دارای تناوب و تلاطم بسیار زیادی بوده که این امر سبب شکلگیری نوع<br />خاصی از نامانایی گشته که به آن نامانایی کسری اطلاق میگردد. این ویژگی موجبات شکلگیری حافظه<br />بلندمدت در ایننوع از سریهای زمانی را فراهم میآورد. از اینرو، این مطالعه ضمن بررسی وجود ویژگی<br />حافظه بلندمدت در سری بازدهی بورس، به پیشبینی نوسانات این شاخص به کمک مدلهای مبتنی بر حافظه<br />بلندمدت و نیز تجزیه موجک، میپردازد. جهت رسیدن به این هدف، از دادههای سریزمانی روزانه شاخص<br />قیمت و بازده نقدی بورس اوراق بهادار تهران، طی دوره زمانی پنجم فروردین 1388 تا هجدهم اردیبهشت<br />ماه 1391 استفاده شده است. بر پایه نتایج این پژوهش، وجود ویژگی حافظه بلندمدت در این سری مورد<br />تأیید قرار میگیرد و بر این اساس بهترین مدل جهت تبیین رفتار نوسانات سری مذکور، مدل غیرخطی<br />میباشد. همچنین، جهت پیشبینی نوسانات شاخص بازدهی بورس، از ARFIMA(1,2)-FIGARCH(BBM)<br />مدل مذکور بر اساس سطح دادهها و نیز دادههای تجزیه شده، استفاده گردید که بر مبنای معیارهای خطای<br />مدل مبتنی بر دادههای تجزیه شده با تکنیک موجک از نتایج قابل قبولتری ،RMSE و MSE پیشبینی<br />برخوردار بوده است.