آزمون فرضیه بازار فرکتال با مدل تغییر رژیم مارکوف: یک ترکیب و همگرایی امکانپذیر

الموضوعات : دانش سرمایه‌گذاری

یعقوب محمودی ¹ , شادی شاهوردیانی ² , حمیدرضا کردلویی ³ , مهدی معدنچی زاج ⁴

1 - دانشجوی دکتری مدیریت مالی بین الملل دانشگاه آزاد اسلامی واحد علوم و تحقیقات
2 - استادیار دانشگاه آزاد اسلامی واحد شهرقدس
3 - دانشیار دانشگاه آزاد اسلامی واحد اسلامشهر
4 - استادیار دانشگاه آزاد اسلامی واحد الکترونیکی(مجازی)

تاريخ الإرسال : 27 الأربعاء , صفر, 1442 تاريخ التأكيد : 13 الإثنين , جمادى الأولى, 1442 تاريخ الإصدار : 10 الأربعاء , رمضان, 1445

الکلمات المفتاحية: تغییر رژیم مارکوف, بازار فرکتال, بازار کارا, بازار سرمایه, ریسک,

ملخص المقالة :

اهمیت پیش بینی و آگاهی از آینده به منظور برنامه ریزی و تدوین استراتژی های اقتصادی بر کسی پوشیده نیست. دقت پیش‌بینی‌ها یکی از مهمترین فاکتورهای مؤثر در انتخاب نوع روش پیش بینی است. شاخص قیمت سهام یکی از متغیرهای مؤثر در سیستم‌های اقتصادی بوده که این سری های زمانی بسیار پیچیده، معمولاً تصادفی و در نتیجه تغییرات آنها غیر قابل پیش بینی فرض می شود. اینگونه متغیرهای سری زمانی به دلیل امکان وجود حافظه بلندمدت این خاصیت را دارا می باشند که شوک وارد شده به متغیر مدت زمان زیادی طول میکشد تا از بین رود. هدف مطالعه حاضر آزمون فرضیه بازار فرکتال با مدل تغییر رژیم مارکوف با یک ترکیب و همگرایی امکانپذیر در بازار بورس اوراق بهادار تهران بوده است. در این مقاله میزان حافظه بلندمدت و پایداری سری های زمانی مالی ناشی از شاخص کل بازار سهام برای دوره زمانی 1388-1396 مورد بررسی قرار گرفت. برای این منظور ابتدا وجود حافظه بلندمدت بررسی شد سپس ویژگی فرکتالی بودن بازار با استفاده از شاخص نمای هارست بررسی شد. نتایج بیانگر وجود حافظه بلندمدت در این متغیر است در این صورت با یک بار تفاضل گیری دچار بیش تفاضل گیری شده بنابراین سری شاخص قیمت سهام در ایران دارای حافظه بلندمدت است و آثار هر شوک به این متغیر بدلیل حافظه بلندمدت آن تا دوره‌های طولانی باقی می‌ماند. همچنین نتایج بیانگر این بود که شاخص کل بازار سهام دارای ویژگی فرکتالی بودن است.

المصادر:

• جعفری، غلامرضا و ایزدی نیا، ناصر و پیروتی، جلال (1390)، تحلیل چند فراکتالی نوسانات روند زدایی شده شاخص کل بورس اوراق بهادار تهران. فصلنامه بورس اوراق بهادار فصلنامه بورس اوراق بهادار، 14، 115 –


• خواجوی، شکراله، عبدی طالب بیگی، هادی (1395)، تجزیه و تحلیل تجربی ابعاد فراکتال بر شاخص بازده نقدی و قیمت سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. دانش سرمایه‌گذاری، 5(18)، 79-93.


• رهنمای رودپشتی، فریدون و پدرام, پرهام (1391)، آنالیز فرکتالی شاخص بورس اوراق بهادار تهران به روش RS. دانش سرمایه‌گذاری، 1(3)، 63-80.


• صادقی، حجت اله و محمد نسیم، سبحان (1397)، محاسبه نمای هرست برای شاخص های بازار بورس اوراق بهادار تهران، سومین همایش بین المللی مدیریت، اقتصاد و توسعه، تهران، موسسه علمی کیان پژوهان.


• عباس زاده، محمدرضا، جباری نوقابی، مهدی و محکی، الهام (1394)، بررسی تحلیلی روند سری­های زمانی مالی در بورس اوراق بهادار تهران اولین همایش ملی پژوهش های کاربردی در حسابداری، مدیریت و اقتصاد، 11-25.


• عباسی نژاد، حسین و گودرزی فراهانی، یزدان (1393)، برآورد درجه انباشتگی شاخص تورم با مدل ARFIMA- FIGARCH مطالعه موردی: ایران، پژوهشنامه اقتصادی، 14(52)، 26-1.


• کشاورز حداد، غلامرضا و باقر صمدی (1388)، برآورد و دقت پیش‌بینی تلاطم بازدهی در بازار سهام تهران و مقایسه دقت روش‌ها در تخمین ارزش در معرض خطر: کاربردی از مدل‌های خانواده FIGARCH، مجله تحقیقات اقتصادی، 86، 25-39.


• محمدی، تیمور و رضا طالبلو (1389)، پویایی‌های تورم و رابطه تورم و عدم اطمینان اسمی با استفاده از الگوی ARFIMA- GARCH، پژوهشنامه اقتصادی، 10، 1.


• مروت، حبیب، (1391) آزمون فرضیه بازار فراکتالی در بورس اوراق بهادار تهران، فصل نامه بورس اوراق بهادار، 19، 5-15.


• نمازی؛ محمد، حاجیها، زهره و حسن چناری بوکت (1394)، مطالعه‌ی پدیده‌ی فرآیند آشوب در شاخص قیمت و بازده نقدی در بورس اوراق بهادار تهران، 9، 35-54.


• Balaban,E. and A,bayer (2006) ,stock Return and volatility: empirical Evidence from fourteen countries, Applied Economic Letters,12,603-611


• Bali,T. G (2008) ,The intertemporal Relation between expected Returns and risk, journal of financial Economics,87,1,101-131.


• Barnett, W.A., A. Serletis, (2000). Martingales, nonlinearity, and chaos, Journal of Economic Dynamics & Control, 2: 703-724.


• Brooks, (1997), Linear and Non-Linear Forecastability of High Frequency Exchange Rates, Journal of Forecasting, 15 125– 145.


• Chen, A.S & Lin, S.C (2011). Asymmetrical return on equity mean reversion and catering, Journal of Banking & Finance, 35: 471-477.


• Ding, C. W. and J. Granger (1996), Modeling Volatility Persistence of Speculative Returns: A New Approach, Journal of Econometrics, 73, 185–215.


• Gordon, R. R. (2000), The Fractal Structure of Exchange Rates: Measurement and Forecasting, Journal of International Financial Markets, Institutions and Money, 10, 163–180.


• Ladislav Kristoufek, Miloslav Vosvrda, (2016), Measuring capital market efficiency: long-term memory, fractal dimension and approximate entropy, Eur. Phys. 87: 162


• Mandelbrot, B.B (1981). The variation of certain speculative prices. J ournal of Business, 36, 392–417.


• Moarefian, M. and F. Ahmadlu (2005), Application of Fractals Theory in Petroleum Engineering, Journal of Research and Development, 15.


• Peters, E. E. (1991). Chaos and order in the capital markets. John Wiley & Sons.


• E.Edgar. (1992), Fractal Market Analysis: Applying Chaos Theory to Investment and Economics”, John Willy & Sons INC.


• Shleifer, A. (2020). Inefficient Markets, Oxford University press.


• Williams, B., (2005). Trading Chaos: Applying Expert Techniques to Maximize Your Profits, Press. John Wiley & Sons, 265 P., ISBN 0-471-11929-6.