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

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