Chaos and Nonlinear Stock Price Index of Tehran Stock Exchange Chaos and Nonlinear Stock Price Index of Tehran Stock Exchange

Subject Areas : Financial Economics

قدرت اله امام وردی ¹ ( استادیار دانشگاه آزاد تهران مرکزی )
سمانه صفرزاده بیجار بنه ² ( کارشناسی ارشد تهران مرکزی )

Received: 2015-10-03 Accepted : 2015-11-29 Published : 2016-03-10

Keywords: Keywords: Chaos, Nonlinear Process, Predictable, JEL Classification: G0, G17, C13, C22, C40,

Abstract :

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.  

References:

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: [e-mail]. 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