حافظه بلند

در این مقاله با استفاده از داده‎های روزانه شاخص کل بورس اوراق بهادار تهران در دوره زمانی 6/1/1382 تا 14/4/1386، به بررسی ویژگی حافظه بلند این شاخص پرداخته و مدل ARFIMA را بر آن برازش می‎دهیم. هم‎چنین عملکرد پیش‎بینی مدل ARFIMA را با مدل ARIMA مقایسه می‎کنیم. نتایج نشان می‎دهند که اولاٌ این سری زمانی از نوع حافظه بلند است، بنابراین می‎توان با تفاضل‎گیری کسری آن را مانا کرد. پارامتر تفاضل‎گیری به‎دست آمد. پس از تفاضل‎گیری کسری و تعیین تعداد وقفه‎های اجزای خودبازگشت و میاانگین متحرک مدل، شکل کلی به‎صورت ، مشخص می‎شود. پارامترهای این مدل برای 900 داده درون نمونه‎ای برآورد شده است و از آن‎ها برای پیش‎بینی 70 داده خارج از نمونه استفاده می‎شود. مقایسه عملکرد پیش‎بینی مدل ARFIMA با مدل ARIMA، نشان می‎دهد که مدل ARFIMA از قدرت پیش‎بینی‎کنندگی بالاتری برخوردار است.

در این مطالعه، با استفاده از داده های ماهیانه نرخ ارز غیررسمی طی دوره زمانی 1359- 1388، به بررسی حافظه بلند بودن نرخ ارز غیررسمی ایران و تأثیر تکانه های نرخ ارز بر نا اطمینانی اسمی آن پرداخته شده است. نتایج آزمون حافظه بلند بودن نشان می­دهد که سری نرخ ارز غیر رسمی در ایران، حافظه بلند بوده و در نتیجه، آثار تکانه های وارده بر آن تا دوره­­های طولانی باقی می ماند. پس از تایید حافظه بلند بودن نرخ ارز، وجود اثرات نامتقارن تکانه های نرخ ارز بر ناهمسانی واریانس بررسی شده است. نتایج حاصل از تخمین مدل های APGARCH و GJR نشان می­دهد که ضریب جمله عدم تقارن در این دو مدل منفی و در سطح بالایی معنادار است و این بیان کننده آن است که تکانه های نرخ ارز غیررسمی بر نا اطمینانی اسمی آن اثر نامتقارنی دارد، به طوری که شوک های منفی نا اطمینانی بیشتری را نسبت به شوک های مثبت ایجاد می کند.