بررسی حافظه بلندمدت دوگانه با تاکید بر توزیع چوله و دم پهن پسماندها: شواهدی از بورس اوراق بهادار تهران
نویسنده:
چکیده:
پژوهش حاضر وجود حافظه بلندمدت را در بورس اوراق بهادار تهران با کاربرد مدل های GPH، GSP، ARFIMA و FIGARCH بررسی می کند. داده های مورد بررسی، حاوی بازده روزانه هستند و آزمون های حافظه بلندمدت، برای بازده و نیز برای نوسان سری TEPIX انجام شده است. نتایج مدل های GPH، GSP و ARFIMA، وجود حافظه بلندمدت را در بازده سری نشان می دهند. همچنین نتایج اشاره بر این دارند که پویایی های حافظه بلندمدت در بازده و نوسان می تواند توسط کاربرد مدل ARFIMA-FIGARCH، مدل سازی شود. نتایج این مدل شواهد قوی حافظه بلندمدت را هم در میانگین شرطی و هم در واریانس شرطی نشان می دهد. به علاوه، فرض غیرنرمال برای در بر گرفتن دم پهن و نامتقارن باقیمانده های تخمین زده شده، مناسب است. یافته ها نشان می دهند که مدل بر اساس فرض نرمال گاوسی، ممکن است برای مدل سازی خصوصیت حافظه بلندمدت مناسب نباشد. در نهایت به نظر می رسد که بازار سرمایه تهران نمی تواند به عنوان بازار کارا از لحاظ سرعت انتقال داده ها بررسی شود. از این رو، امکان کسب سودهای غیر عادی باثبات، از طریق پیش بینی قیمت سهام وجود دارد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
151 تا 181
لینک کوتاه:
magiran.com/p1367004
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!