A Survey of Fractal Market Hypothesis with the Markov Regime change model in the Tehran Stock Exchange

Subject Areas : Financial Economics

یعقوب محمودی ¹ , فریدون رهنمای رودپشتی ² , شادی شاهوردیانی ³ , حمیدرضا کردلویی ⁴ , مهدی معدنچی زاج ⁵

1 - گروه اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران ، ایران
2 - گروه اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران ، ایران
3 - گروه مدیریت بازرگانی ، دانشگاه آزاد اسلامی، واحدشهرقدس، تهران ، ایران،
4 - گروه مدیریت مالی، دانشگاه آزاد اسلامی واحد اسلامشهر، اسلامشهر، ایران
5 - گروه مدیریت مالی ، دانشگاه آزاد اسلامی، واحد الکترونیکی(مجازی)، تهران، ایران

Received: 2020-12-21 Accepted : 2021-02-22 Published : 2021-05-22

Keywords: Capital Market, Risk, L10, M22, C44, Keyword: Fractal market, Markov Regime Change. JEL classification: O33,

Abstract :

The aim of this study is to test the Fractal Market Hypothesis with the Markov regime change model in the Tehran Stock Exchange.One of the concepts in the efficient market is whether the financial time series has long-term memory and fractal properties or not. Given the characteristics of the capital market, which is always faced with random shocks and leads to fluctuations in this market, it is necessary to examine the fractal characteristics of the market.In this paper, the amount of long-term memory and stability of financial time series resulting from the total stock market index for the period 2009-2019 were examined. For this purpose, first, the existence of long-term memory was examined, and then the fractal nature of the market was examined using the Harst view index. The results indicate the existence of long-term memory in this variable. In this case, with one differentiation, it becomes more differentiated, so the stock price index series in Iran has long-term memory and the effects of each shock on this variable due to its long-term memory remain for long periods. The results also showed that the overall stock market index is fractal.

References:

 فهرست منابع

• ابونوری، اسمعیل، تهرانی، رضا و شامانی، مسعود (1397)، عملکرد پورتفولیوهای مبتنی بر ریسک تحت شرایط مختلف در بازارسهام (شواهد تجربی از بازار سهام ایران)، اقتصاد مالی، 12(45)، 51-71.


• 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 و مهدی جباری نوقابی , الهام محکی(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.


• کریمی، مجتبی، صراف، فاطمه، امام وردی، قدرت اله و باغانی، علی (1398)، همبستگی شرطی پویای نوسانات قیمت نفت و بازار سهام کشورهای حوزه خلیج فارس با تاکید بر سرایت بحران مالی، اقتصاد مالی, 13(49)، 101-130.


• کریمی، محمد شریف، حیدریان، مریم و دهقان جبار آبادی، شهرام (1397)، تحلیل اثرات سرریز بین بازارهای نفت و بورس اوراق بهادار تهران در طول مقیاس‌های چندگانه زمانی؛با استفاده از مدل VAR-GARCH-BEKK بر پایه موجک، اقتصاد مالی، 12(42)، 25-46.


• 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 Evidencefrom 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.


• Feder, J. (1988), Fractals. Plenum, New York, 34-54.


• 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


• Lo, A. W. (1991). Long-range memory in stock market prices. eonometrica, 59(5), 1279−1313.


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


• Mulligan F. R. (2000), A Fractal Analysis of Foreign Exchange Markets, IAER, 6, NO.1.


• 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.

 

یادداشت‌ها