بانک مقالات حسابداری و حسابرسی

طي دهه گذشته، فرآيندهاي با حافظه بلند مدت، بخش مهمي از تجزيه و تحليل سري هاي زماني را به خود اختصاص داده اند. وجود حافظه بلند مدت در بازده دارايي ها کاربردهاي مهمي در بررسي کارايي بازار، قيمت گذاري اوراق مشتقه و انتخاب سبد دارايي دارد. در اين تحقيق، ابتدا وجود حافظه بلند مدت در سري زماني بازده و نوسانهاي شاخص کل بورس اوراق بهادار تهران بررسي شده است. نتايج آزمون هاي آماري، وجود حافظه بلندمدت را در بازده و نوسانهاي شاخص کل بورس اوراق بهادار تهران تا سطح اطمينان بالايي تاييد مي کنند. در ادامه، دقت پيش بيني مدل هايي که ويژگي حافظه بلندمدت را در نظر نمي گيرند،ARMA  و GARCH، با مدل هاي مشابهي که اين ويژگي را درنظر مي گيرند،ARFIMA  و FIGARCH، به روش پنجره غلتان در بازه هاي زماني مختلف مقايسه شده است. نتايج اين مطالعه نشان مي دهد مدل نسبتا ساده ARMA، در مقايسه با ساير مدل ها، بهتر مي تواند بازده يک روز بعد شاخص را پيش بيني کند؛ اما در پيش بيني بازده شاخص براي دوره هاي هفتگي، ماهانه، فصلي و شش ماهه، مدل FIGARCH همواره پيش بيني هاي دقيقتري ارايه کرده است.

 نسخه قابل چاپ