بررسي حافظه بلندمدت دوگانه با تاكيد بر توزيع چوله و دم پهن پسماندها: شواهدي از بورس اوراق بهادار تهران

Evaluation of Dual Long Memory Properties with Emphasizing the Skewed and Fat-Tail Distribution: Evidence from Tehran Stock Exchange

پژوهش حاضر وجود حافظه بلندمدت را در بورس اوراق بهادار تهران با كاربرد مدل‌هاي GPH، GSP، ARFIMA و FIGARCH بررسي مي‌كند. داده‌هاي مورد‌بررسي، حاوي بازده روزانه هستند و آزمون‌هاي حافظه بلندمدت، براي بازده و نيز براي نوسان سري TEPIX انجام‌شده‌است. نتايج مدل‌هاي GPH، GSP و ARFIMA، وجود حافظه بلندمدت را در بازده سري نشان مي‌دهند. همچنين نتايج اشاره بر‌اين دارند كه پويايي‌هاي حافظه بلندمدت در بازده و نوسان مي‌تواند توسط كاربرد مدل ARFIMA-FIGARCH، مدل‌سازي شود. نتايج اين مدل شواهد قوي حافظه بلندمدت را هم در ميانگين شرطي و هم در واريانس شرطي نشان مي‌دهد. به‌علاوه، فرض غيرنرمال براي در‌بر‌گرفتن دم پهن و نامتقارن باقيمانده‌هاي تخمين زده‌شده، مناسب است. يافته‌ها نشان مي‌دهند كه مدل بر‌اساس فرض نرمال گاوسي، ممكن است براي مدل‌سازي خصوصيت حافظه بلندمدت مناسب نباشد. در نهايت به‌نظر مي‌رسد كه بازار سرمايه تهران نمي‌تواند به‌عنوان بازار كارا از لحاظ سرعت انتقال داده‌ها بررسي شود. از‌اين‌رو، امكان كسب سودهاي غير‌عادي باثبات، از طريق پيش‌ب

This paper investigates the presence of long memory in the Tehran stock market, using the ARFIMA, GPH, GSP and FIGARCH models. The data set consists of daily returns, and long memory tests are carried out both for the returns and volatilities of TEPIX series. Results of the GPH, GSP and ARFIMA models indicate the existence of long memory in return series. Also, suggest that long memory dynamics in the returns and volatility might be modeled by using the ARFIMA–FIGARCH model. Furthermore, results of this model shoes the strong evidence of long memory, both in conditional mean and conditional variance. In addition, the assumption of non-normality is appropriate for capturing the asymmetry and tail fatness of estimated residuals. These findings suggest that the model based on the Gaussian normality assumption may be inappropriate for modeling the long memory property. Finally, it seems that the Tehran Stock Exchange (TSE) cannot be considered an efficient market in terms of the speed of information transmission. Hence, speculative earnings could be gained via predicting stock prices.