آزمون آشوبی و غیرخطی بودن شاخص قیمت سهام در بورس تهران
محورهای موضوعی : اقتصاد مالیقدرت اله امام وردی 1 , سمانه صفرزاده بیجار بنه 2
1 - استادیار دانشگاه آزاد تهران مرکزی
2 - کارشناسی ارشد تهران مرکزی
کلید واژه: واژههای کلیدی: آشوب, فرآیند غیرخطی, پیشبینی پذیری, طبقه بندی JEL : G0, G17, C13, C22, C40,
چکیده مقاله :
چکیده شاخص قیمت سهام یکی از متغیرهای مؤثر در سیستم های اقتصادی بوده که این سریهای زمانی بسیار پیچیده، اغلب تصادفی و در نتیجه تغییر آنها غیرقابل پیش بینی فرض میشود. به همین جهت آزمونهای پیشبینی پذیری و غیرخطی جهت بررسی وجود روند آشوبی معین و فرآیندهای غیرخطی در سری زمانی شاخص قیمت سهام در بورس تهران به صورت روزانه بین سالهای ۸۷ تا ۱۳۹۲ مورد استفاده قرار گرفت. نتایج آزمونها حاکی از آن بود که آزمون تسلسل و هارست غیر تصادفی بودن شاخص قیمت سهام را تأیید کردند، نتایج حاصل از آزمون های [1] BDS، تسای و اندرسون-دارلینگ بیانکننده این بود که شاخص قیمت سهام از فرآیند غیرخطی تبعیت میکند.آزمونهای مستقل بودن کوکران، همبستگی دوگانه و استقلال Chowdenning هم، همبستگی بین مشاهدها را مورد آزمون قراردادند که نتایج حاصل دال بر وجود همبستگی بین متغیرها بود و در ادامه آزمونهای دورهای تجمعی و آزمون تعدیلشده West cho مبنی بر آزمودن فرآیند آشوبی متغیر شاخص قیمت سهام صورت گرفت که نتایج هر دو آزمون، آشوبی بودن فرآیند را مورد تأیید قراردادند. پس از احراز قابلیت پیشبینی شاخص قیمت سهام، برای پیشبینی در دورههای آتی، مدل های ARFIMA، FIGARCH، LSTAR و ESTAR تخمین زده شد. در بین مدل هایی که به بررسی وجود حافظه بلندمدت در متغیر شاخص قیمت سهام پرداختهاند مدل FIGARCH که هم حافظه بلندمدت متغیر و هم واریانس و تغییرات متغیر را مدل سازی کرده است دارای قدرت بیشتری در پیشبینی بود و در میان مدل های غیرخطی مدل ESTAR دارای قدرت پیشبینی بالاتری بود. در انتها نیز پیشبینی با فرآیند یک گام به جلو برای ده دوره گزارش شده است.
Abstract The stock price indices are indispensable variables in economic systems, these usually complicated time series are almost stochastic, and hence their variation is assumed unpredictable. For this purpose, nonlinear and predictable examinations are used to test the existence of determined chaotic trend and nonlinear process in daily time series of Tehran’s stock index from 1387/4/8 to 1392/7/10.The results reflect that sign test proves the non-stochastic nature of price index. The BDS’ results and those of sign test show that stock price index follows a nonlinear process. The independence tests like BDS test, White test, Chow test, test the correlation between observations in which the results are affirmative. Moreover, the cointegration-adjusted tests are used for testing the chaotic process of the price index and the results of both are affirmative. For predicting the stock price index in ongoing periods, we have used ARFIMA, FIGARCH, LSTAR,and ESTAR. Among those models, which examine the existence of long run memory in stock price index, FIGARCH, which tests the long run memory and variance, has the most capacity of accurate prediction. Among the nonlinear models, ESTAR has the most capacity. At the last, prediction is reported for ten periods with the one head process.
فهرست منابع
1) ابریشمی، حمید؛ معین، علی و احراری، مهدی. (۱۳۸۱). مدلسازی غیرخطی معین سریهای زمانی اقتصادی. مجموعه مقالههای اولین همایش معرفی و کاربرد مدل های ناخطی پویا و محاسباتی در اقتصاد.
2) امام وردی، قدرت الله. (۱۳۸۶). ارائه الگویی مناسب جهت پیشبینی شاخص قیمت سهام در بازار سرمایه ایران و مقایسه توان پیشبینی مدل ها با تأکید بر مدل های غیرخطی سری زمانی. پایاننامه دکتری،دانشگاه آزاد واحد علوم و تحقیقات.
3) امامی، کریم و امام وردی، قدرت الله. (۱۳۸۸). بررسی امکان پیشبینی شاخص قیمت سهام در بازار سرمایه ایران و مقایسه توان پیشبینی مدل های خطی و غیرخطی، فصلنامه علوم اقتصادی، شماره ۷، صفحات ۴۶ - ۷۵.
4) خالوزاده،حمید. (۱۳۷۷). مدل سازی غیرخطی و پیشبینی قیمت سهام در بازار بورس تهران. پایاننامه دوره دکتری. دانشکده برق دانشگاه تربیت مدرس.
5) خالوزاده، حمید و خاکی، علی.(۱۳۸۲).ارزیابی روشهای پیشبینی قیمت سهام و ارائه مدلی غیرخطی بر اساس شبکههای عصبی، مجله تحقیقات اقتصادی،شماره ۶۴،صفحات۴۳-۸۵.
6) زکیخانی،حمیدرضا. (۱۳۸۶). امکانسنجی بهکارگیری تحلیل تکنیکی در پیشبینی روند قیمت سهام در بورس اوراق بهادار تهران. پایاننامه کارشناسی ارشد مدیریت بازرگانی (گرایش مالی). دانشگاه آزاد واحد علوم و تحقیقات.
7) سلامی، امیربهداد.(۱۳۸۱). آزمون روند آشوبی در بازده سهام بازار اوراق بهادار تهران. پژوهشنامه اقتصادی، شماره ۵، ۳۵-۷۱.
8) مشیری، سعید. (۱۳۸۱). مروری بر نظریه آشوب و کاربردهای آن در اقتصاد، فصلنامه پژوهشهای اقتصادی ایران، شماره ۱۲، صفحات ۲۹-۶۸.
9) مشیری، سعید و فروتن. (۱۳۸۳). آزمون آشوب و پیشبینی قیمتهای آتی نفت خام. فصلنامه پژوهشهای اقتصادی ایران، شماره ۲۱، صفحات ۹۰-۶۷.
10) ملکی، گلناز. (۱۳۹۰). پیشبینی قیمت جهانی طلا با استفاده از روشهای سریهای زمانی و منطق فازی. پایاننامه کارشناسی ارشد، دانشگاه آزاد واحد تهران مرکزی.
11) Adrangi,B.,A.Chatrath,K.K.Dhanda,and K.Faffiee.(2001).Chaos in Oil Prices? Evidence from Future Markets. Energy Economics , 23,405-425.
12) Abhyankar, A. H., Copeland, L. S. and Wong, W(1995)Nonlinear Dynamics in Real-Time Equity Market Indices: Evidence from the UK. Economic Journal,No.PP.864-880.
13) Abhyankar, A.H., Copeland, L.S. and Wong, W(1997).Uncovering Nonlinear structure in Real-Time Stock-Market Indexes: The S&P 500,the DAX, the Nikkei 225,and the FTSE-100. Journal of business and Economic Statistics,No.15,PP.1-14.
14) Brock,W.A.and Sayers,C.L.(1988).Is the Business Cycle Characterized by Determistic Chaos?, Journal of Monetary Economics, Vol.22,No. 1,PP. 71-90.
15) Chappel D, panagiodidis T.(2003). Using the Correlation dimension to detect non-linear Dynamics: Evidence from the Athens Stock Exchange. E-mail: D.chappel @Sheffield.ac.uk.
16) Cinko, Murat and salto lu, Buralk. (2001). Nonlinear dynamics in daily gold returns: Evidence from Turkey. Marmara University, Istanbul,Turkey.
17) Cinko, Murat.(2002). Nonlinearity test For Istanbul Stock exchange.E-mail: Mcinko@marmara.edu. tr.
18) Hsieh, D. A (1991). Chaos and Nonlinear Dynamics: Applications to Financial Markets. Journal of Finance, No.46,PP.1839-1877.
19) Moshiri, saeed, kohzadi, N and Cameron, N.(2002). Testing for stochastic.
20) Olmeda Ignacio, and Perez Joaquin.(1995).Nonlinear Dynamics and Chaos in the Spanish Stock Market .Investigaciones Economicas, 19,2,217-48.
21) Serletis A.and P.Gogas.(1999).The North American Natural Gas Liquids Markets are Chaotic . The Energy Journal, 20,1,83-103.
22) Scheinkman, J .A. and LeBaron, B.(1989).Nonlinear Dynamics and Stock Returns. Journal of Business, No.62,PP.311-337.
23) Shintani, M. and Linto, O. (2002). Nonparametric Neural Network Estimation of Lyapunov Exponents and a Direct Test for Chaos Discussion Paper, No. EM/02/434.
24) Small, M. and Tse, C. (2003). Determinism in Financial Time Series. Studies in Nonlinear Dynamics & Econometrics, Vol. 7, and Issue. 3.
25) Wen, K. (1996). Continaose-time Chaos in Stock Market Dynamics. Nonlinear Dynamics and Economics, Cambridge University Press, PP.133-159
یادداشتها