مطالب مرتبط با کلیدواژه

حافظه بلندمدت


۱.

پیش بینی شاخص کل بازدهی سهام تهران با استفاده از مدل های خطی و غیرخطی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه بازرگانی ۱۳۸۵ شماره ۴۱

کلیدواژه‌ها: پیش بینی شاخص کل بازدهی سهام تهران حافظه بلندمدت ANN GARCH ARFIMA شبکه عصبی

حوزه های تخصصی:
تعداد بازدید : ۱۹۴۱
پیش بینی متغیرهای اقتصادی و مالی اهمیت فراوانی برای سیاستگذاران اقتصادی کشورها دارد. در این مقاله شاخص کل بازدهی سهام تهران (TEPIX) با استفاده از داده های روزانه و هفتگی این شاخص در بازه زمانی سال 1377تا 1382 و بکارگیری روش های مختلف پیش بینی مانند مدل های ARIMA، ARFIMA، GARCH و شبکه عصبی (ANN) برآورد و پیش بینی شدند. مقایسه دقت پیش بینی مدل های مذکور از طریق معیار های پیش بینی مانند RMSE، MAE و U-Thiel نشان می دهد که مدل ANN در پیش بینی شاخص روزانه و هفتگی عملکرد بهتری نسبت به سایر مدل ها دارد، اما مقایسه آماری دقت پیش بینی مدل های مختلف با استفاده از آماره دیبلد- ماریانو، تفاوت معنی داری بین دقت پیش بینی مدل های مذکور را نشان نمی دهد.
۲.

مدل‌سازی نوسان در بورس اوراق بهادار تهران

نویسنده:
منبع: فصلنامه تحقیقات مالی ۱۳۸۸ شماره ۲۷

کلیدواژه‌ها: بورس اوراق بهادار تهران حافظه بلندمدت اثرات اهرمی نوسانات خوشه‌ای ریسک و بازده

حوزه های تخصصی:
تعداد بازدید : ۲۳۹۰ تعداد دانلود : ۱۱۷۷
مسئله مورد بررسی در این تحقیق مدل‌سازی نوسان در بورس اوراق بهادار تهران و تحلیل رابطه میان ریسک و بازده در آن با استفاده از مدل‌های خانواده GARCH می‌باشد. نتایج این تحقیق که از نوع پیمایشی و کاربردی می‌باشد نشان می‌دهند که اولاً، مدل‌های ناهمسانی واریانس شرطی به خوبی می‌توانند ویژگی‌های داده‌های مالی از قبیل نوسانات خوشه‌ای، حافظه بلندمدت و اثرات اهرمی را مدل‌سازی نمایند. ثانیاً، در هر دو پرتفوی مورد بررسی یعنی پرتفوی متشکل از تمامی شرکت‌ها و پرتفوی متشکل از پنجاه شرکت با نقد شوندگی بالا، همبستگی مثبتی میان ریسک و بازده وجود دارد.
۳.

نقش حافظه در فرایند یادگیری زبان خارجی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش زبان های خارجی ۱۳۸۴ شماره ۲۸

کلیدواژه‌ها: یادگیری حافظه حافظه بلندمدت حافظه کوتاه مدت حافظه کاری حافظه معنایی زبان خارجی فراخنای حافظه

حوزه های تخصصی:
  1. حوزه‌های تخصصی زبان شناسی میان رشته ای ها روان شناسی زبان
  2. حوزه‌های تخصصی زبان شناسی علوم مرتبط آموزش زبان دوم
تعداد بازدید : ۲۸۳۵ تعداد دانلود : ۲۵۱۲
فلاسفه جزء اولین کسانی بودند که به حافظه توجه نمودند و سعی در کشف ویژگی ها و ارائه مفهومی روشن از آن داشتند. نگاه فلسفی صرف‘ پاسخگوی سایر سؤالات بشر در خصوص توانایی های حافظه در امور مختلف نبود. از این رو‘ روانشناسی با هدف بررسی دنیای ذهنی انسان ازدرون فلسفه زاده شد و تلاش کرد تا جایگاه حافظه را در فرایند یادگیری‘ بررسی و تبیین کند. بسیاری از شناخت علمی انسان از حافظه خود‘ مبتنی بر یافته های یک قرن و نیم پیش است. در دهه های اخیر ‘ بعداز گذر از مکتب رفتارگرایی و پیدایش مکتب شناخت گرایی‘ تحول عظیمی در شناخت انسان از عملکرد حافظه به هنگام یادگیری ایجاد شد. در پی تحقیقات فراوان‘ بخش های مختلف مغز و حافظه ‘ مانند حافظه کوتا مدت‘ حافظه کاری‘ حافظه بلند مدت‘ حافظه معنایی که ارتباط تنگاتنگی با فرایند یادگیری زبان خارجی دارند‘ شناسایی شدند. در این مقاله‘ نقش حافظه درفرایند یادگیری زبان خارجی بررسی می شود.
۴.

بررسی وجود حافظه بلندمدت در بورس اوراق بهادار تهران و ارزیابی مدل هایی که حافظه بلندمدت را در نظر می گیرند(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های حسابداری مالی سال دوم زمستان ۱۳۸۹ شماره ۴ (پیاپی ۶)

کلیدواژه‌ها: بازده سهام حافظه بلندمدت پیش­بینی

حوزه های تخصصی:
تعداد بازدید : ۹۷۹ تعداد دانلود : ۴۹۱
طی دهه گذشته، فرآیندهای با حافظه بلند مدت، بخش مهمی از تجزیه و تحلیل سری­های زمانی را به خود اختصاص داده­اند. وجود حافظه بلند مدت در بازده دارایی­ها کاربردهای مهمی در بررسی کارایی بازار، قیمت­گذاری اوراق مشتقه و انتخاب سبد دارایی دارد. در این تحقیق، ابتدا وجود حافظه بلند مدت در سری ­زمانی بازده و نوسانها ی شاخص کل بورس اوراق بهادار تهران بررسی شده است. نتایج آزمون­های آماری، وجود حافظه بلندمدت را در بازده و نوسانها ی شاخص کل بورس اوراق بهادار تهران تا سطح اطمینان بالایی تایید می­کنند. در ادامه، دقت پیش­بینی مدل­هایی که ویژگی حافظه بلندمدت را در نظر نمی­گیرند، ARMA و GARCH ، با مدل­های مشابهی که این ویژگی را درنظر می­گیرند، ARFIMA و FIGARCH ، به روش پنجره غلتان در بازه­های زمانی مختلف مقایسه شده است. نتایج این مطالعه نشان می­دهد مدل نسبتا ساده ARMA ، در مقایسه با سایر مدل­ها، بهتر می­تواند بازده یک روز بعد شاخص را پیش­بینی کند؛ اما در پیش­بینی بازده شاخص برای دوره­های هفتگی، ماهانه، فصلی و شش­ماهه، مدل FIGARCH همواره پیش­بینی­های دقیقتری ارایه کرده است.
۵.

تحلیل چندفراکتالی نوسانات روندزدایی شده شاخص کل بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: بورس اوراق بهادار تابستان ۱۳۹۰ شماره ۱۴

کلیدواژه‌ها: حافظه بلندمدت چندفراکتالی فرضیه بازار فراکتالی تحلیل نوسانات روندزدایی شده

حوزه های تخصصی:
تعداد بازدید : ۱۱۴۸ تعداد دانلود : ۱۰۸۶
در این پژوهش ویژگی های مقیاسی شاخص کل بورس اوراق بهادار تهران از طریق تحلیل چندفراکتالی نوسانات روندزایی شده بررسی می شود. نمای مقیاسی بدست آمده برای سری های زمانی روزانه شاخص کل نشان داد که دو نوع مختلف توزیع های احتمال دم ـ کلفت و همبستگی های بلندمدت، باعث چندفراکتالی شدن نوسانات شاخص بورس اوراق بهادار تهران می شوند. قیمت ها در بورس اوراق بهادار تهران دارای همبستگی و حافظه می باشند و سرمایه گذاران خبره می توانند با توجه به آنها بازده بیشتری بدست آورند.
۶.

بررسی سرایت تلاطم میان بازدهی سهام صنعت سیمان و صنایع مرتبط با آن در ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های اقتصادی ایران سال شانزدهم تابستان ۱۳۹۰ شماره ۴۷

کلیدواژه‌ها: حافظه بلندمدت بازده تلاطم FIGARCHچندمتغیره

حوزه های تخصصی:
تعداد بازدید : ۱۷۸۲ تعداد دانلود : ۹۳۳
سرایت تلاطم میان شاخص های مالی، حاکی از فرآیند انتقال اطلاعات میان بازارها می باشد. هنگامی که بازارهای مالی با یکدیگر مرتبط هستند، اطلاعات ایجاد شده در یک بازار، می تواند سایر بازارها را متاثر سازد. در این پژوهش برای بررسی سرایت تلاطم بین شاخص های صنعت سیمان، کاشی و سرامیک و شاخص شرکت های سرمایه گذاری از یک مدل FIGARCH چندمتغیره استفاده می شود. این مدل چندمتغیره توسعه ای از مدل BEKK می باشد که پارامتر حافظه بلندمدت (d) در آن لحاظ گردیده و آن را در طی فرآیند مدل سازی برآورد می نماید. وجود حافظه بلندمدت در بازده دارایی ها هم از جنبه های تئوریک و نیز از جهت کاربردی از اهمیت برخوردار است. دستیابی به این پارامتر، تحلیل گران بازارهای مالی را در شناخت نوع و ماهیت شوک های وارد شده به این بازار از نظر کوتاه مدت یا بلندمدت بودن آن کمک می کنند. در تحلیل نتایج تجربی، که از داده های روزانه دوره زمانی 01/06/1385 تا 01/06/1389استفاده می شود، سرایت از شاخص صنعت سیمان به شاخص کاشی و سرامیک و سرمایه گذار ی ها مشاهده شد که دربازدهی سهام کاشی و سرامیک این اثر به صورت دو طرفه مشاهده شد و از شاخص صنعت سیمان به شاخص کاشی و سرامیک این اثر بیشتر است. نتایج حاصل وجود اثر تقدم و تاخر و جریان اطلاعات در این دو سری زمانی را تایید می کرد. همچنین سرایت تلاطم از سهام سرمایه گذاری به کاشی و سرامیک و بالعکس نیز وجود داشت اما در مورد سهام صنعت سیمان و سرمایه گذاری هاصرفا سرایت یک طرفه از سمت سیمان مشاهده شد. مقایسه نتایج حاصل از تخمین مدل FIGARCH چندمتغیره با مدل GARCH چندمتغیره، حاکی از نزدیک بودن ساختار تحلیلی این دو مدل بود لیکن مدل FIGARCH چندمتغیره قدرت برازش و دقت بیشتری از سرایت تلاطم های بازده را فراهم می سازد که با تئوری های پایه اقتصادی مطابقت بیشتری داشت.
۷.

برآورد درجه انباشتگی شاخص تورم با مدل ARFIMA- FIGARCH مطالعه موردی: ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه اقتصادی سال چهاردهم بهار ۱۳۹۳ شماره ۱ (پیاپی ۵۲)

کلیدواژه‌ها: تورم حافظه بلندمدت آزمون KPSS مدلARFIMA- FIGARCH

حوزه های تخصصی:
تعداد بازدید : ۱۳۰۱ تعداد دانلود : ۵۶۴
بررسی اثر حافظه در شاخص های مختلف اقتصادی، به خصوص تورم و بازار پول دارای جذابیت تحقیقاتی بالایی است. این تحقیق با استفاده از داده های شاخص قیمت مصرف کننده ایران در دوره زمانی 08/1390، 01/1369، به بررسی ویژگی حافظه بلندمدت این شاخص پرداخته و مدل ARFIMA برای آن برازش شده است. همچنین مقادیر جزء خطا در مدل ARFIMA با استفاده از مدل FIGARCH مورد بررسی قرار گرفت تا مشخص شود که واریانس ناهمسانی تورم از چه مدلی پیروی می کند، نتایج تحقیق نشان دهنده این موضوع بود که سری زمانی ماهیانه تورم می تواند دارای ریشه کسری باشند. به عبارتی، درجه انباشتگی متغیر تورم می تواند عدد صحیح نباشد و کسری باشد. نتایج تحقیق نشان داد که درجه انباشتگی سری تورم باید بین صفر و یک باشد و بدین ترتیب فرضیه حافظه دار بودن سری تورم مطرح شد. با تخمین پارامتر حافظه بلندمدت در مدل مشخص شد که سری تورم دارای درجه انباشتگی 46/0 است و با یک بار تفاضل گیری دچار بیش تفاضل گیری می شویم. بنابراین، سری تورم در ایران دارای حافظه بلند مدت است و آثار هر شوک بر این متغیر به دلیل حافظه بلندمدت آن تا دوره های طولانی باقی می ماند.
۸.

مقاله به زبان انگلیسی: تحلیل های R/S و DFA تعدیل یافته برای آزمون کارایی بازار ارز خارجی تحت دو نظام ارزی: یک مطالعه موردی برای ایران (Modified R/S and DFA Analyses of Foreign Exchange Market Efficiency under Two Exchange Rate Regimes: A Case Study of Iran)(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های اقتصادی ایران سال هجدهم زمستان ۱۳۹۲ شماره ۵۷

کلیدواژه‌ها: پیش بینی حافظه بلندمدت مقیاس بندی تحلیل دامنه مقیاس تحلیل نوسان روند زدایی شده سری زمانی نرخ ارز ریال/دلار داده های با بسامد بالا

حوزه های تخصصی:
تعداد بازدید : ۸۸۷ تعداد دانلود : ۴۲۹
بر اساس فرضیه بازار کارا، پیش بینی بازارهای مالی غیر ممکن است. هدف مقاله حاضر، آزمون شکل ضعیف کارایی بازار ارز ایران(ریال/دلار) از طریق بررسی حافظه بلندمدت بازار طی دوره زمانی 27/3/1389-5/11/1377 است. برای این منظور، سه روش تحلیل مقیاس بندی شامل تحلیل های دامنه مقیاس کلاسیکی (R/S)، دامنه مقیاس تعدیل یافته (M-R/S) و نوسان روند زدایی شده (DFA) استفاده شده است. دوره ی زمانی مورد مطالعه به دو زیر دوره ی 1/1/1381-5/11/1377 و 27/3/1389-1/1/1381 تفکیک شده است. در زیر دوره ی اول، ایران دارای نظام نرخ ارز ثابت بوده و در زیر دوره ی دوم، ایران از نظام نرخ ارز شناور مدیریت شده تبعیت کرده است. نتایج حاصله از این روش ها یکسان نیست. برای رسیدن به نتایج صریح و روشن، از دو آزمون اقتصاد سنجی پرکاربرد یعنی آزمون دیکی- فولر تعمیم یافته(ADF) و آزمون فیلیپس-پرون(PP) برای پاسخ دادن به این سئوال استفاده شده است که آیا سری های زمانی مورد بررسی از گام تصادفی که سازگار با کارایی ضعیف است، پیروی می کنند یا خیر. بر اساس یافته های تحقیق حاضر، نتیجه حاصل از روش DFA با رهیافت اقتصاد سنجی سازگار است. همچنین، یافته های این تحقیق نشان می دهد بازار ارز خارجی ایران در اولین زیر دوره در مقایسه با زیر دوره دوم، کارایی کمتری دارد. دیگر نتیجه مهم این است که اتکا به یک روش برای بررسی کارایی بازار ممکن است گمراه کننده باشد. بنابراین، ابتدا باید روش های قابل اعتمادتری انتخاب گردد و سپس، نتایج این روش ها برای رسیدن به نتیجه قابل اتکاء مقایسه شوند.
۹.

بررسی حافظه بلندمدت دوگانه با تأکید بر توزیع چوله و دم پهن پسماندها: شواهدی از بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات مدیریت صنعتی سال دوازدهم تابستان ۱۳۹۳ شماره ۳۳

کلیدواژه‌ها: بورس اوراق بهادار تهران حافظه بلندمدت ARFIMA FIGARCH توزیع چوله Student-t

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات مدلسازی ریاضی
  2. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری مدیریت اوراق بهادار
تعداد بازدید : ۱۱۱۴ تعداد دانلود : ۶۰۲
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.
۱۰.

بررسی وجود حافظه بلند مدت در بورس اوراق بهادار تهران با تأکید بر متغیرهای مؤثر بر آن با رهیافت ARFIMA-GARCH(مقاله علمی وزارت علوم)

نویسنده:
منبع: بورس اوراق بهادار سال هشتم بهار ۱۳۹۴ شماره ۲۹

کلیدواژه‌ها: حافظه بلندمدت خود رگرسیون برداری (VAR) شاخص کل بورس مدل ARFIMA مدل GARCH

حوزه های تخصصی:
تعداد بازدید : ۷۸۱ تعداد دانلود : ۵۰۸
طی دهه گذشته، فرآیندهای با حافظه بلندمدت، بخش مهمی از تجزیه وتحلیل سری های زمانی را به خود اختصاص داده اند. وجود حافظه بلندمدت در شاخص کل بورس کاربردهای مهمی در بررسی کارایی بازار، قیمت گذاری و انتخاب سبد دارایی دارد. بر این اساس در این مقاله ابتدا عوامل کلان اقتصادی مؤثر بر شاخص کل بورس مشخص شده و سپس بردار بلندمدت آن با استفاده از روش خود رگرسیون برداری (VAR) برای دوره زمانی (1390-1369) برآورد شده است. نتایج نشان میدهد که متغیر نرخ ارز حقیقی تأثیر مثبت و متغیرهای نقدینگی، نرخ سود بانکی و تورم تأثیر منفی بر شاخص کل بورس دارند. سپس به بررسی آن در قالب یک مدل ARFIMA-GARCH به منظور بررسی وجود حافظه بلندمدت آن پرداخته شده است. بر اساس معادله برآورد شده ARFIMA (0,0.24,1) که به حافظه بلندمدت در شاخص کل بورس دلالت دارد، درنتیجه اگر شوکی بر سری شاخص کل بورس وارد شود، درجاتی از اثرات این شوک تا زمآنهای طولانی باقی خواهد ماند.
۱۱.

بررسی حافظه بلندمدت در نوسان های بازدهی شاخص بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت دارایی و تامین مالی سال سوم پاییز ۱۳۹۴ شماره ۳ (پیاپی ۱۰)

کلیدواژه‌ها: حافظه بلندمدت بازار بورس نوسانات مدل ARFIMA مدل GARCH مدل FIGARCH

حوزه های تخصصی:
تعداد بازدید : ۱۱۸۰ تعداد دانلود : ۶۸۱
با توجه به رشد و اهمیت روزافزون بازارهای مالی، وجود هرگونه نوسانی در این بازارها، آثار شگرفی بر اقتصاد می گذارد. لذا، در عرصه پویای بازارهای مالی از جمله بازار بورس اوراق بهادار پیش بینی آینده به یکی از مهمترین مسایل در علوم مالی ارتقا یافته است. در این راستا این نوشتار با استفاده از داده های روزانه شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران طی دوره زمانی 5/1/1388 الی 30/7/1392 وجود حافظه بلندمدت در بازدهی و نیز نوسان های شاخص قیمت این بازار رابررسی نموده است. پس از تأیید وجود حافظه بلندمدت در سری بازدهی بورس، به کمک خانواده مدل های واریانس ناهمسان شرطی (اعم از مدل های غیر فرکتالی و فرکتالی) به برازش بهترین تصریح برای تبیین رفتار نوسان های بازدهی بورس پرداخته شد. نتایج این پژوهش، مؤید وجود حافظه بلندمدت در هر دو معادله میانگین و واریانس سری مذکور بوده است. حال آنکه، در بین مدل های واریانس ناهمسان شرطی که در این مطالعه مورد بررسی قرار گرفته، بر اساس معیارهای اطلاعات (آکائیک و شوارتز) مدل ARFIMA(1,2)-FIGARCH(BBM) به عنوان بهترین مدل برای مدل سازی نوسان های بازدهی بورس در دوره مورد بررسی، انتخاب شده است.
۱۲.

تحلیل و پیش بینی اثرات غیرخطی در بازار نفت(مقاله علمی وزارت علوم)

نویسنده:
منبع: برنامه ریزی و بودجه سال هجدهم پاییز ۱۳۹۲ شماره ۳ (پیاپی ۱۲۲)

کلیدواژه‌ها: پیش بینی حافظه بلندمدت قیمت نفت خام تئوری آشوب تجزیه موجک

حوزه های تخصصی:
تعداد بازدید : ۹۷۳ تعداد دانلود : ۵۱۳
این پژوهش تلاشی در جهت معرفی یک الگوی مطلوب جهت مدل سازی و پیش بینی نوسانات قیمت نفت خام ایران می باشد. لذا، سعی شده است تا تحلیل جامعی از پیش بینی قیمت این نهاده ارایه گردد، به همین منظور، ضمن بررسی ماهیت مقوله پیش-بینی پذیری به کمک آزمون های نسبت واریانس، BDS و نیز آزمون آشوب گونه بودن این سری، به تحلیل ساختار خطی و یا غیرخطی بودن آن پرداخته شده و پس از تأیید آشوب گونه بودن سری بازدهی قیمت نفت بر اساس آزمون توان لیاپانوف و نیز وجود ویژگی حافظه بلندمدت، مهر تأییدی بر رد فرضیه بازارهای کارا و قبول فرضیه بازارهای فرکتال بوده است. سپس با علم به ویژگی-های ذاتی سری بازدهی قیمت نفت، به کمک ترکیب مدل های مبتنی بر حافظه بلندمدت و تجزیه موجک، به انتخاب بهترین مدل ممکن پرداخته شد. نتایج این مطالعه بر مبنای آزمون GPH، مبین وجود ویژگی حافظه بلندمدت در سری بازدهی و نوسانات قیمت نفت بوده و همچنین به کارگیری تکنیک تجزیه موجک را برای داده های پر تلاطم، مؤ ثر دانسته است، چرا که بر اساس معیارهای سنجش خطای پیش بینی MSE و RMSE مدل ترکیبی مبتنی بر حافظه بلندمدت و تجزیه موجک در مقایسه با مدل حافظه بلندمدت با داده های تجزیه نشده، از عملکرد دقیق تری برخوردار بوده است.
۱۳.

بررسی حافظه بلندمدت در نوسانات پویا: رابطه بین بازده سهام و نرخ ارز(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت دارایی و تامین مالی سال ششم پاییز ۱۳۹۷ شماره ۳ (پیاپی ۲۲) 147 - 164

کلیدواژه‌ها: بازده سهام حافظه بلندمدت نرخ ارز گارچ

حوزه های تخصصی:
تعداد بازدید : ۴۴۷ تعداد دانلود : ۲۹۳
نرخ ارز و سیستم مناسب ارزی از محورهای اصلی سیاست های اقتصادی محسوب می شود. نوسانات نرخ ارز از عمده ترین مسائل بخش بازرگانی خارجی هر کشور است. با توجه به اینکه بازده سهام پذیرفته شده در بورس اوراق بهادار از عوامل مختلف به ویژه متغیرهای کلان اقتصادی تأثیر می گیرد، در این مطالعه حافظه بلندمدت در سری بازده ، در بازه زمانی اول فروردین 1390 تا پایان اسفند 1394 و رابطه بین نوسانات نرخ ارز ریال/دلار و بازده سهام در بازه زمانی1390 و 1391 با استفاده از الگو های تک متغیره و چندمتغیره گارچ بررسی می شود. براساس نتایج به دست آمده همه سری های بازده، نشان دهنده وجود حافظه بلندمدت است. همچنین برمبنای مقایسه الگو های استفاده شده در این پژوهش، الگوی (student-GARCH (1,1 بهترین برآورد را برای شاخص کل در بازه زمانی 1394-1390 نسبت به الگو های دیگر نشان می دهد. با بررسی نوسان نرخ ارز ریال/دلار در بازه زمانی سال 91 و 90، الگوی student-GARCH (1,1) منجر به برآورد بهتری می شود. همچنین در بررسی رابطه بین نرخ ارز و بازده سهام ارتباطی دیده نمی شود.
۱۴.

به کارگیری نظریه ارزش فِرین و حافظه بلندمدت در بازار سهام ایران (در چهارچوب الگو های GARCH)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت دارایی و تامین مالی سال ششم زمستان ۱۳۹۷ شماره ۴ (پیاپی ۲۳) 135 - 154

کلیدواژه‌ها: نظریه ارزش فرین حافظه بلندمدت ارزش در معرض خطر واریانس ناهمسانی شرطی خودرگرسیونی تعمیم یافته

حوزه های تخصصی:
تعداد بازدید : ۴۱۹ تعداد دانلود : ۴۲۹
در طول دهه های گذشته، بازارهای مالی به دلیل قرارگرفتن در معرض سقوط های غیرمنتظره خسارات زیادی می دید. به دنبال این بحران ها، مؤسسات مالی، قانون گذاران و دانشگاهیان برای ارائه روش های بهتر اندازه گیری و ابزارهای پوشش ریسک، پژوهش های فشرده ای انجام دادند. ارزش در معرض خطر (VaR) مشهورترین روش اندازه گیری ریسک در حوزه مالی است. در پژوهش حاضر سودمندی نظریه ارزش فرین (EVT) برای پیش بینی ارزش در معرض خطر بازار سهام ایران و کاربرد آن در حافظه بلندمدت بازار در چهارچوب الگوی GARCH بررسی شده است. به این منظور از حافظه بلندمدت انواع الگوی گارچ ( FIAGARCH HYGARCH،FIAPARCH) و نظریه ارزش فرین برای پیش بینی ارزش در معرض خطر شاخص قیمت کل بورس اوراق بهادار تهران استفاده شده است. یافته های پژوهش نشان می دهد در سطوح اطمینان مختلف، الگوی FIAPARCH-EVT اعتبار مناسب و مطمئنی برای سنجش ریسک یک روز جلوتر بازار دارد و برای سری های مختلف مطالعه شده، بهتر عمل می کند.
۱۵.

مدل سازی ارزش در معرض ریسک قراردادهای آتی سکه بهار آزادی با درنظرگرفتن حافظه تاریخی در مشاهدات: کاربردی از الگو های FIAPARCH-CHUNG(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت دارایی و تامین مالی سال هشتم بهار ۱۳۹۹ شماره ۱ (پیاپی ۲۸) 57 - 82

کلیدواژه‌ها: ارزش در معرض ریسک حافظه بلندمدت نوسان قرارداد آتی سکه

حوزه های تخصصی:
تعداد بازدید : ۵۴۶ تعداد دانلود : ۳۲۳
هدف: ارزش در معرض ریسک ابزاری استاندارد و مناسب برای اندازه گیری ریسک بالقوه زیان های اقتصادی در بازارهای مالی است که امروزه به طور وسیعی برای کنترل و پیش بینی انواع ریسک بازاری، اعتباری و مالی استفاده می شود. روش: در این مطالعه با بهره گرفتن از معیارهای اطلاعات نشان داده شد بهترین الگویی که می تواند طی دوره 26/9/1392 تا 6/8/1395 نوسانات بازده آتی های سکه بهار آزادی را نمایش دهد، الگوی MA(1)-FIAPARCH-CHUNG(2,d,1) است. در ادامه ارزش در معرض ریسک، با توجه به الگوی ذکرشده در دو موقعیت خرید و فروش برای این دارایی سنجیده و برای تأیید خوب بودن فرایند محاسبه ارزش در معرض ریسک از آزمون کوپیک استفاده شد. نتایج: طبق نتایج، ارزیابی ویژگی عدم تقارن و حافظه بلندمدت در نوسانات بازده ممکن است سبب انتخاب الگوی ارزش در معرض ریسک مناسب برای عملکرد مدیریت ریسک در بازار آتی های سکه تهران شود و تحلیل ها در این پژوهش می تواند ابزاری باارزش برای فعالیت در بورس کالای ایران محسوب شود.
۱۶.

مقایسه دقت مدل های فراابتکاری و اقتصادسنجی در پیش بینی سری های زمانی مالی دارای حافظه بلندمدت (مطالعه ی موردی؛ شاخص سهام صنعت سیمان در ایران)(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۳ بهار و تابستان ۱۳۹۰ شماره ۱ 1 - 22

کلیدواژه‌ها: بازده تلاطم جستجوی هارمونی حافظه بلندمدت

حوزه های تخصصی:
تعداد بازدید : ۲۷۷ تعداد دانلود : ۱۴۰
داده های با تناوب بالا نوع خاصی از نامانایی دارند که به آن نامانایی کسری گفته می شود. این ویژگی سبب پدیدآمدن حافظه بلندمدت در سری های زمانی مالی با تناوب بالا می شود. در این نوشتار ابتدا وجود حافظه بلندمدت در سری زمانی صنعت سیمان بررسی شده و وجود آن در سطح اطمینان بالایی توسط دو آزمون R/S و GPH تأیید می شود. در ادامه، دقت مدل های پیش بینی سری های زمانی مالی نظیر، ARMA و GARCH که ویژگی حافظه بلندمدت را در مدل سازی سری زمانی در نظر نمی گیرند و مدل هایی مثل ARFIMA و FIGARCH، که این ویژگی را مدنظر قرار می دهند، با روش نوین فراابتکاری ارایه شده که ترکیبی از الگوریتم جستجوی هارمونی و سری های زمانی فازی وزن دار می-باشد به روش پنجره غلتان و با استفاده از معیار ریشه میانگین توان دوم خطاها (RMSE) در بازه های زمانی مختلف مورد مقایسه قرار می گیرد. نتایج حاصل نشان می دهند که روش فراابتکاری ارایه شده در تمامی بازه های زمانی نتیجه بهتری از مدل های متداول اقتصادسنجی ارایه می دهد.
۱۷.

مدل سازی مقایسه ای سرایت تلاطم با در نظرگرفتن اثر حافظه بلندمدت (مطالعه موردی: سه شاخص منتخب صنایع)(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۵ بهار و تابستان ۱۳۹۲ شماره ۱ 51 - 74

کلیدواژه‌ها: بازده تلاطم حافظه بلندمدت BEKK FBEKK

حوزه های تخصصی:
تعداد بازدید : ۲۸۱ تعداد دانلود : ۱۲۷
هنگامی که مشاهدات گذشته با مشاهدات آینده دور همبستگی دارند و رابطه آنها غیرقابل چشم پوشی است، سری زمانی مورد مطالعه دارای ویژگی حافظه بلندمدت است. در این مقاله مدل سازی مقایسه ای سرایت تلاطم با در نظرگرفتن اثر حافظه بلندمدت مورد بررسی قرار می گیرد. مدل های مورد مقایسه، BEKK (1,1) و مدل توسعه یافته FBEKK (1,d,1) هستند که مدل توسعه یافته، پارامتر حافظه بلندمدت (d ) را طی فرآیند مدل سازی لحاظ کرده و برآورد می کند. همچنین در این پژوهش، شاخص قیمت سه گروه صنعت در بورس اوراق بهادار تهران، شامل شاخص صنعت خودرو و ساخت قطعات، شاخص واسطه گری های مالی (لیزینگ) و شاخص ماشین آلات و تجهیزات طی بازه زمانی 03/06/1383 تا 31/06/1387 در مدل سازی های تجربی مورد استفاده قرار گرفته است. نتایج حاصل نشان دهنده این بود که مدل FBEKK (1,d,1) تصریح دقیق تری را فراهم می کند که فرضیه های پایه اقتصادی نیز مؤید آن هستند.
۱۸.

قیمت گذاری اوراق تبعی با استفاده از مدل هستون کسری پرشی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۲۱ پاییز ۱۳۹۸ شماره ۳ 392 - 416

کلیدواژه‌ها: اوراق تبعی پرش انتشار حافظه بلندمدت قیمت گذاری اختیار معامله مدل تلاطم تصادفی کسری

حوزه های تخصصی:
تعداد بازدید : ۳۵۲ تعداد دانلود : ۱۲۰
هدف: در این مقاله، ضمن معرفی مدل تلاطم تصادفی هستون با در نظر گرفتن فرایند پرش و ویژگی حافظه بلندمدت قیمت ها، مدل جدیدی برای قیمت گذاری اوراق تبعی ارائه شده است و در ادامه، کارایی این مدل با دو مدل معروف نوسان های تصادفی هستون و بیتز مقایسه شده و درباره نتایج آنها بحث شده است. روش: در این پژوهش نظر به اینکه قیمت دارایی های پایه در بازارهای مالی دستخوش تغییرهای ناگهانی ناشی از عوامل گوناگون قرار می گیرند و همچنین با وجود ویژگی حافظه بلندمدت در روند قیمت های بازار سهام، با اضافه کردن جمله پرش و توان هرست به این مدل، مدل جدیدی به نام مدل هستون کسری پرشی ارائه شده است. در ادامه با تعیین تابع مشخصه فرایند قیمت دارایی پایه در مدل جدید، فرمولی برای قیمت گذاری اوراق تبعی در قالب این مدل و با استفاده از روش مونت کارلو همراه با تکنیک کاهش واریانس، استخراج شده است. یافته ها: در این مطالعه، برای آزمون و مقایسه مدل های قیمت گذاری از داده های اوراق تبعی منتشر شده در سال های 91 تا 96 استفاده شده است. پس از واسنجی و قیمت گذاری اوراق تبعی توسط هر سه مدل و مقایسه نتایج، مشخص شد که برای ارزش گذاری اوراق تبعی، مدل هستون کسری پرش در مقایسه با دو مدل دیگر، عملکرد بهتری دارد. نتیجه گیری: نتایج مقایسه نشان داد که ارزش گذاری توسط مدل هستون کسری پرشی به نتایج واقعی قیمت اوراق تبعی نزدیک تر است و در مقایسه با دو مدل معروف نوسان های تصادفی، هستون و بیتز، عملکرد بهتری دارد.
۱۹.

ارائه الگوی مناسب برای ارزیابی حافظه بلندمدت شاخص صنعت بانکداری در بورس اوراق بهادار تهران با استفاده از مدل پیش بینی خود توضیح کسری جمعی میانگین متحرک

نویسنده:
منبع: مطالعات نوین بانکی دوره سوم تابستان ۱۴۰۰ شماره ۱۱ 21-45

کلیدواژه‌ها: حافظه بلندمدت شاخص صنعت بانکی بورس اوراق بهادارتهران مدل ARFIMA حافظه بلند(Q3) تحلیل دامنه استاندارد شده(Q3) تحلیل دامنه استاندارد شده تغییریافته(Q3) مدل ARFIMA(Q2)مدل ARIMA(Q2) FIGARCH(BBM

حوزه های تخصصی:
تعداد بازدید : ۴۶۳ تعداد دانلود : ۱۴۳
هدف ازاین پژوهش پیش بینی مدل خود توضیح کسری جمعی میانگین متحرک ARFIMA در شاخص صنعت بانکی , بورس اوراق بهادار تحلی ل وض عیت ب ازدهی شاخص صنعت بانکی و بررسی وجودحافظه بلندمدت درشاخص صنعت بانکی دربورس اوراق به ادارب ا استفاده پیش بینی مدل خود توضیح کسری جمعی میانگین متحرک. دراین مقاله با استفاده از داده های صنعت بانکی از تاریخ یک خرداد نود و دو الی یک مرداد نود و شش استفاده شد. نتایج ح اکی از آن بود که متوسط نرخ بازدهی شاخص بانکی معادل ۰.۰۱۵ بوده و بیشترین و کم ترین نرخ بازدهی شاخص بانکی به ترتیب ۱۰.۳ و۸.۳- هست . یافته های پژوهش دررابطه بامدل سازی شاخص هم بیانگرای ن بود که شاخص صنعت بانکی بورس دارای حافظه بلندمدت بوده و از یک فرآیند (١٠٤٨١)ARFIMA (در یک تقسیم بندی کلی روش های پیش بینی در سری های زمانی را می توان به دو دسته خطی و غیرخطی تقسیم کرد. پرکاربردترین روش پیش بینی خطی، روش ARFIMA است. در سال های اخیر روش جدیدتری بر مبنای روش ARFIMA ابداع شده است که ARFIMA نام گذاری شده است. این روش ها در جهت پیش بینی و شناسایی ساختار گذشته سری های زمانی با کمترین خطا استفاده شده اند.) پیروی می کند،لذاحافظه بلندمدت صنعت بانکی ب ورس دارای درج ه جمع ی ۰.۴۸ هس ت . همچنی ن مقایسه آماره های مرسوم بیانگربرتری مدل انتخابی نسبت به مدل رقیب ARFIMA بود. الگ وی انتخ ابی ازقدرت پیش بینی بالایی برخوردارهست که می تواندبرای سرمایه گذاران بازاربورس درراس تای اه داف مالی و انتخاب سبد سهام مفید باشد. حال آنکه، در بین مدل های واریانس ناهمسان شرطی که در این مطالعه مورد بررسی قرار گرفته، بر اساس معیارهای اطلاعات (آکائیک و شوارتز) مدل ARFIMA(1,2)-FIGARCH(BBM) به عنوان بهترین مدل برای مدل سازی نوسان های بازدهی بورس در دوره مورد بررسی، انتخاب شده است. مقایسه عملکرد پیش بینی مدل ARFIMA با مدل ARFIMA ، نشان می دهد که مدل ARFIMA از قدرت پیش بینی کنندگی بالاتری برخوردار است.
۲۰.

پیش بینی انتشار گاز کربنیک در ایران و بخش های آلاینده: رویکرد حافظه بلندمدت(مقاله علمی وزارت علوم)

نویسنده:
منبع: بررسی مسائل اقتصاد ایران سال هشتم پاییز و زمستان ۱۴۰۰ شماره ۲ (پیاپی ۱۶) 67-90

کلیدواژه‌ها: پیش بینی انتشار گاز کربنیک حافظه بلندمدت ایران بخش های آلاینده

حوزه های تخصصی:
تعداد بازدید : ۳۴۵ تعداد دانلود : ۱۱۲
آلودگی یکی از معضلات قرن حاضر است و کشورها با معاهدات بین المللی سعی در کاهش آلودگی دارند. بر اساس برآورد بانک جهان، ارزیابی خسارات وارده به محیط زیست ایران، در گزارش هزینه سالیانه تخریب محیط زیست، حدود 5 تا 10 درصد از تولید ناخالص داخلی است. با بررسی گزارش بانک جهانی، ایران جزء کشورهای با انتشار گاز کربنیک بالا است، پس، پژوهش در زمینه انتشار آلودگی اهمیت می یا بد. این پژوهش برای نخستین بار به پیش بینی انتشار گاز کربنیک در ایران و بخش های آلاینده، با روشARIFMA-FIGARCH در دوره 2017-1971 میلادی پرداخته است. نتایج نشان می دهد، انتشار گاز کربنیک در ایران، بخش های صنعت و خدمات افزایش پیدا خواهد کرد. در سال 2035 میلادی پیش بینی می شود، انتشار گاز کربنیک در کشور به 745876 هزار تن برسد، در بخش صنعت به 18/25 درصد از مصرف سوخت و در بخش خدمات به 89/25 درصد از مصرف سوخت می رسد. برنامه های توسعه، نتوانسته اند میزان انتشار گاز کربنیک را کاهش دهند.