مطالعه‌ی پدیده‌ی فرآیند آشوب در شاخص قیمت و بازده نقدی در بورس اوراق بهادار تهران
محورهای موضوعی : اقتصاد مالی
محمد نمازی
1
(استاد حسابداری دانشگاه شیراز)
زهره حاجیها
2
(دانشیار دانشگاه آزاد واحد تهران شرق)
حسن چناری بوکت
3
(کارشناس ارشد واحد تهران جنوب)
کلید واژه: واژه‌های کلیدی: تئوری آشوب, شاخص قیمت و بازده نقدی, ریشه واحد, گام تصادفی, طبقه بندی JEL : G02, E44, C63, G14,
چکیده مقاله :
سری‌های زمانی پیچیده مانند قیمت‌های بازار سهام بیشتر تصادفی و در نتیجه تغییر آن‌ها غیرقابل پیش‌بینی فرض می‌شود. درحالی‌که احتمال دارد این سری‌ها حاصل فرآیندی غیرخطی پویای معین یا به عبارت بهتر آشوبی بوده و در نتیجه قابلیت پیش‌بینی داشته باشند. در این پژوهش شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران برای دوره زمانی ۱۳۹۲-۱۳۸۰ مورد آزمون قرار گرفته است تا مشخص شود آیا این شاخص از فرآیند گام تصادفی پیروی می‌کند یا نشأت‌گرفته از فرآیندی آشوبی یا معین است. برای دست‌یابی به هدف فوق از آزمون‌های ریشه واحد، بی‌دی‌اس، تابع خودهمبستگی و خودرگرسیون برداری استفاده شده است. یافته‌های حاصل از آزمون‌های فوق بیان‌گر این است که شاخص قیمت و بازده نقدی، فرآیندی آشوبی و معین را تجربه می‌کند. این نتیجه دلالت بر ناکارایی بازار سرمایه داشته و به‌تبع آن قابلیت پیش‌بینی کوتاه‌مدت را دارد که می‌تواند رهنمودی دلالت بر شناخت عوامل ناکارایی بازار مانند عدم شفافیت جریان اطلاعات و اقدام در راستای رفع آن‌ها داشته باشد.
Abstract Complicated time series such as stock prices and their changes are commonly hypothesized as random and subsequently unanticipated parameters, while probably, these time series could the resultant of a chaos or a regular non–linear active process and consequently they will be anticipatable. This article examines whether TEDPIX of Tehran Stock Exchange (TSE)are following the random walk process or evaluated by a chaotic process in the period of 1380-1392. For analysis of the hypothesis, unit root, BDS, autocorrelation and auto-regression were used. The results of the study indicate that TEDPIX is a chaotic and non–randomized parameter. These results are related to the inefficiency of the TSE market and subsequently showed that the TSE market has the potential of short–time predictability and there is a non–clearance information progress.
فهرست منابع
1) تالانه، عبدالرضا و حدیث هجران‌کش راد (۱۳۹۰). بررسی کارایی بورس اوراق بهادار تهران در سطح ضعیف و نیمه‌قوی، تحقیقات حسابداری و حسابرسی، دوره‌ی سوم، شماره‌ی ۱۲، صص ۴۱-۲۷.
2) تهرانی، رضا، انصاری، حجت‌اله و علی‌رضا سارنج (۱۳۸۷). بررسی وجود پدیده‌ی بازگشت به میانگین در بورس اوراق بهادار تهران، بررسی‌های حسابداری و حسابرسی، دوره‌ی ۱۵، شماره‌ی ۵۴، صص ۳۲-۱۷.
3) چناری، حسن (۱۳۹۱). مطالعه‌ی پدیده‌ی بازگشت به میانگین در بورس اوراق بهادار تهران با استفاده از آزمون ریشه‌واحد، پایان‌نامه‌ی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران جنوب.
4) خواجوی، شکراله و هادی عبدی طالب‌بیگی (۱۳۹۵). تجزیه و تحلیل ابعاد فراکتال بر شاخص بازده نقدی و قیمت سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران، دانش سرمایه‌گذاری، سال پنجم، شماره‌ی ۱۸، صص: ۹۳-۷۹.
5) راسخی، سعید و امیر خانعلی‌پور (۱۳۸۸). تحلیل تجربی نوسانات و کارآیی اطلاعاتی بازار سهام در بورس اوراق بهادار تهران، پژوهش‌های اقتصادی ایران، سال ۱۳، شماره‌ی ۴۰، صص ۵۷ – ۲۹.
6) رستمی، محمد رضا؛ کلانتری بنجار، محمود و دانیال نوری جعفرآباد (۱۳۹۵). بررسی هم‌حرکتی میان بازده شاخص صنایع مختلف در بورس اوراق بهادار تهران با بازده بازارهای نفت، طلا، دلار و یورو با استفاده از تحلیل موجک، دانش سرمایه‌گذاری، سال پنجم، شماره‌ی ۱۷،صص ۲۵۱-۲۲۷.
7) رهنمای رودپشتی، فریدون و اله‌کرم صالحی (۱۳۸۹). مکاتب و تئوری‌های مالی و حسابداری: مشتمل بر نظریات، فرضیات، مدل‌ها، تکنیک‌ها و ابزارها، انتشارات دانشگاه آزاد اسلامی تهران مرکزی.
8) سلیمی‌فر، مصطفی و زهرا شیرزور (۱۳۸۹). بررسی کارایی اطلاعاتی بورس اوراق بهادار با استفاده از آزمون نسبت واریانس،مهندسی مالی و مدیریت پرتفوی، دوره‌ی ۱، شماره‌ی ۵، صص ۳۳-۱.
9) شهیکی‌تاش، محمدنبی و محمد میرباقری جم (۱۳۹۴). بررسی همبستگی نامتقارن بین بازده سهام، حجم معاملات و تلأطم بازار سهام تهران، تحقیقات اقتصادی، دوره‌ی ۵۰، شماره‌ی ۲، صص ۳۸۷-۳۵۹.
10) صالح‌آبادی، علی و هادی دلیریان (۱۳۸۹). بررسی حباب قیمتی در بورس اوراق بهادار تهران، فصلنامه بورس اوراق بهادار، سال سوم، شماره‌ی ۹، صص ۷۵ – ۶۱.
11) صمدی، سعید، نصراللهی، خدیجه و رضا ثقفی کلوانق (۱۳۸۸). ارزیابی پیش‌بینی پذیری شاخص کل بورس اوراق بهادار تهران، فصلنامه‌ی بورس اوراق بهادار، دوره‌ی ۲، شماره‌ی ۶، صص ۳۰-۵.
12) عباسی‌نژاد، حسین و اسماعیل نادری (۱۳۹۱). تحلیل آشوب، تجزیه‌ی موجک و شبکه‌ی عصبی در پیش‌بینی شاخص بورس تهران، تحقیقات مدل‌سازی اقتصادی، شماره‌ی ۸، صص۱۴۰ – ۱۱۹.
13) فرهادی، حمیدرضا (۱۳۸۹). نقد فرمول‌های شاخص‌های بازدهی کل و ارائه‌ی فرمولی جدید، تحقیقات مالی، دوره‌ی ۱۲، شماره‌ی ۲۹، صص: ۱۱۰ – ۹۹.
14) قنبری، علی و احمد رسولی (۱۳۹۱). اقتصادسنجی، انتشارات چالش، چاپ اول.
15) کرباسی یزدی، حسین؛ نوری‌فرد، یداله و حسن چناری (۱۳۹۱). مطالعه‌ی پدیده‌ی بازگشت به میانگین در بورس اوراق بهادار تهران با استفاده از آزمون ریشه‌واحد، دانش سرمایه‌گذاری، سال اول، شماره‌ی ۴، صص ۱۰۳ – ۸۷.
16) محمدی، شاپور و هستی چیت‌سازان (۱۳۹۰). بررسی حافظه‌ی بلندمدت بورس اوراق بهادار تهران، تحقیقات اقتصادی، شماره‌ی ۹۷، صص ۲۲۶ – ۲۰۷.
17) مشیری، سعید (۱۳۸۱). مروری بر نظریه‌ی آشوب و کاربردهای آن در اقتصاد، پژوهش‌های اقتصادی ایران، شماره‌ی ۱۲، صص: ۶۸ – ۲۹.
18) نمازی، محمد و زکیه شوشتریان (۱۳۷۴). بررسی کارآیی بازار بورس اوراق بهادار تهران، تحقیقات مالی، سال ۲، شماره‌ی ۷ و ۸، صص: ۱۰۴ – ۸۲.
19) Akhmet, M., Akhmetova, Zh., Fen, M.O. (2014). Chaos in economic models with exogenous shocks, Journal of Economic Behavior & Organization, 106: 95-108.
20) Alvarez-Ramírez, J. & Rodríguez, E. (2012). Temporal variations of serial correlations of trading volume in the US stock market, Physica A, 4128-4135.
21) Al Wadia, S., M. Tahir Ismail, (2011). Selecting Wavelet Transforms Model in Forecasting Financial Time Series Data Based on ARIMA Model, Applied Mathematical Sciences, 5 (7): 315–326.
22) Barnett, W.A., A. Serletis, (2000). Martingales, nonlinearity, and chaos, Journal of Economic Dynamics & Control, 2: 703-724.
23) Black, E. D. (2000). Financial Market Analysis. 2nd Edition, New York: John Wiley and sons.
24) Brock, W. A., W. Dechert, & J. Scheinkman. (1987). A test for independence based on the correlation dimension. Working paper, University of Winconsin at Madison, University of Houston, and University of Chicago.
25) Chen, A.S & Lin, S.C (2011). Asymmetrical return on equity mean reversion and catering, Journal of Banking & Finance, 35: 471-477.
26) David, S.A., Machado, J.A.T., Quintino, D.D., Balthazar, J.M. (2016). Partial chaos suppression in a fractional order macroeconomic model, Mathematics and Computers in Simulation, 122: 55-68.
27) Gebka, B. &Wohar, M. (2013). Causality between trading volume and returns: Evidence from quantile regressions, International Review of Economics and Finance, 144-159.
28) Nunes, Mauricio & Sergio, D.Silva (2007). Rational Bubbles in Emerging Stock Markets, MPRA Paper, 4641: 1-10.
29) Özer, Gökhan, Cengiz Ertokatli, (2010). Chaotic processes of common stock index returns: An empirical examination on Istanbul Stock Exchange (ISE) market, African Journal of Business Management, 4 (6): 1140-1148.
30) Prokhorov, A.B., (2008). Nonlinear dynamics and chaos theory in economics: A historical perspective, Quantile, 4: 1-27.
31) Rosenblum, B. and Kuttner F. (2006). Quantum Enigma: Physics Encounters Consciousness. Oxford University Press, Incorporated.
32) Velasquéz .T. (2009). Chaos theory and the science of fractals, and their application in risk management. Cand. merc. Copenhagen Business School, Cand.merc. Finance & Strategic Management, Supervisor: Michael Clemens.
33) Weiss, G. (1992). Chaos hits wall street-the theory, that is, Business Week November. pp. 138-140.
34) Williams, B., (2005). Trading Chaos: Applying Expert Techniques to Maximize Your Profits, Press. John Wiley & Sons, 265 P., ISBN 0-471-11929-6
یادداشت‌ها
