پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,998,926 |
| تعداد دریافت فایل اصل مقاله | 89,673,570 |
بررسی حافظهی بلندمدت بورس اوراق بهادار تهران | ||
| فصلنامه تحقیقات اقتصادی | ||
| مقاله 8، دوره 46، شماره 4، دی 1390، صفحه 207-226 اصل مقاله (606.75 K) | ||
| نویسندگان | ||
| شاپور محمدی1؛ هستی چیت سازان2 | ||
| 1دانشیار دانشکده مدیریت دانشگاه تهران | ||
| 2مدرس دانشکدهی کارآفرینی دانشگاه تهران | ||
| چکیده | ||
| در این مقاله حافظهی بازار سهام مورد تخمین و تفسیر قرار گرفته است. تخمین پارامتر تفاضل کسری با روشهای مختلفی از جمله روش حداکثر درستنمایی ML، حداقل مربعات غیر خطیNLS ، نمای هرست Hurst Exponent ، جوک و پورتر- هوداکGPH ، نمای هرست تعدیل شده Modified Hurst یا لوLO ، وایتل Whittle و موجکWavelet انجام شده است. نتایج تخمین وایتل، هرست، لو و موجک بیانگر آنست که بازدهی شاخصهای کل، بازده و قیمت، بازدهی نقدی، صنعت و مالی دارای حافظهی بلندمدت میباشند. تخمینهای بهدست آمده با روش GPH بیانگر آنست که بازدهی تمامی شاخصها به جزء شاخص بازدهی نقدی دارای حافظهی بلندمدت میباشد. با توجه به معنیدار نبودن نتایج تخمینهای ML و NLS در بیشتر بازههای مورد بررسی، تخمینهای حاصل از این دو تکنیک از اعتبار کافی برخوردار نبوده و از تحلیل کنار گذاشته شدند. نتایج حاصل از بررسی روند تغییرات حافظه نیز بیانگر آن است که پارامتر حافظهی بورس اوراق بهادار تهران روند تغییر محسوسی نداشته و به عبارت دیگر طی دورهی مورد بررسی، کاهش یا افزایش معنیداری در کارایی بازار رخ نداده است. طبقهبندی JEL: C14, C32, D53 | ||
| کلیدواژه‌ها | ||
| انباشتگی کسری؛ بازار سهام؛ تفاضل کسری؛ حافظهی بلندمدت؛ سریهای زمانی؛ مدل | ||
| عنوان مقاله [English] | ||
| Analysing Long Run Memory in Tehran Stock Exchange | ||
| نویسندگان [English] | ||
| shapoor mohmad1؛ Hasti Chitsazan2 | ||
| چکیده [English] | ||
| In this paper, we have estimated the memory of theTehran stock exchange indices. The estimation of fractional differencing parameter is carried out by various methods such as MLE, NLS, Hurst Exponent, GPH, Lo, whittle and wavelet. The estimation results of whittle, wavelet, Hurst, and Lo methods allow us to conclude that the returns on stock indices (TEPIX, TEDPIX, TEDIX, Financial index and Industrial index) have long memory. The results obtained from GPH method show the existence of long memory in all indices of the Tehran stock market with the exception of TEDIX. Since estimations which obtained from ML and NLS methods are not significant in almost all intervals, we do not use them for studying the trend of the market’s memory. The results also show the memory of the Tehran stock exchange does not have an important trend . In the other words, in our study period the efficiency of the market does not show any significant changes JEL Classifications: C14, C32, D53 | ||
| کلیدواژه‌ها [English] | ||
| ARFIMA model, Fractional Differencing, Fractional Integration, Long memory, Stock market, time series | ||
|
آمار تعداد مشاهده مقاله: 2,835 تعداد دریافت فایل اصل مقاله: 2,379 |
||