بررسی ویژگی‌های حافظه بلندمدت بورس اوراق بهادار در مقایسه با نرخ ارز در بازار آزاد در اقتصاد ایران
بررسی ویژگی‌های حافظه بلندمدت بورس اوراق بهادار در مقایسه با نرخ ارز در بازار آزاد در اقتصاد ایران
محورهای موضوعی : دانش مالی تحلیل اوراق بهادار
مجتبی ابوالحسنی پوراشکذر
1
(
دانشجوی دکتری، گروه اقتصاد، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
)
احمد سرلک
2
(
استادیار گروه اقتصاد، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران(نویسنده مسئول)
)
تیمور محمدی
3
(
استاد گروه اقتصاد، دانشگاه علامه طباطبائی،تهران، ایران
)
غلامعلی حاجی
4
(
استادیار گروه اقتصاد، واحد اراک، دانشگاه آزاد اسلامی،اراک، ایران
)
کلید واژه: شاخص بورس اوراق بهادار, حافظه بلندمدت, میانگین متحرک خودهمبسته با انباشتگی جزئی, واریانس ناهمسانی شرطی خودهمبسته با انباشتگی جزئی,
چکیده مقاله :
در سال‌های اخیر، فرآیندهای با حافظه بلندمدت، نقش مهمی در تجزیه و تحلیل سری‌های زمانی ایفا نموده‌اند. وجود حافظه بلندمدت در بازده دارایی‌ها، کاربردهای مهمی در بررسی کارایی بازار، منطق رفتاری سرمایه گذاران، قیمت‌گذاری و انتخاب پرتفوی دارایی دارد. در پژوهش حاضر با استفاده از مدل میانگین متحرک خودهمبسته با انباشتگی جزئی (ARFIMA) و مدل‌های واریانس شرطی خودهمبسته با انباشتگی جزئی (FIGARCH) و واریانس شرطی خودهمبسته هیپربولیک (HYGARCH) به بررسی وجود حافظه بلندمدت در شاخص کل بورس تهران و نرخ ارز (دلار آمریکا) در بازار آزاد با استفاده از داده‌های روزانه طی دوره زمانی اول آذر ماه 1390 لغایت انتهای تیر ماه 1402 پرداخته شده است. نتایج حاکی از آن است که وجود حافظه بلندمدت در شاخص کل بورس تهران و نرخ ارز (دلار آمریکا) در بازار آزاد در مدل ARFIMA در هر دو حالت ML و GLS و در مدل‌های خانواده GARCH در هر دو مدل FIGARCH و HYGARCH تایید می‌شود. با توجه به این نتایج می‌توان گفت رفتار قیمتی در هر دو سری زمانی یاد شده تابعی از گذشته بوده و انگیزه‌های معاملاتی سوداگرانه بر بازار آن‌ها حاکم است.
In recent years, processes with long-term memory have played substantial role in time series analysis. The existence of long-term memory in assets return time series has momentous applications in examining market efficiency, investor’s behavioral logics, pricing, and asset portfolio selection. In present study, using the AutoRegressive Fractionally Integrated Moving Average model (ARFIMA) and the Fractionally integrated generalized autoregressive conditional (FIGARCH) and hyperbolic GARCH (HYGARCH) models to investigate the existence of long-term memory in the Tehran Stock Exchange's main index (TEPIX) and exchange rate ( US dollars) in using daily data during the period Novamber, 2011 to July, 2023. The results indicate the existence of long-term memory in TEPIX and exchange rate (US dollar) is confirmed in ARFIMA model in both ML and GLS approaches and in GARCH family models in both FIGARCH and HYGARCH models. According to these results, price behavior in each of the mentioned time series is a function of the past amounts.