نتایج جستجو برای: arfima figarch model
تعداد نتایج: 2104479 فیلتر نتایج به سال:
پژوهش حاضر وجود حافظه بلندمدت را در بورس اوراق بهادار تهران با کاربرد مدلهای GPH، GSP، ARFIMA و FIGARCH بررسی میکند. دادههای موردبررسی، حاوی بازده روزانه هستند و آزمونهای حافظه بلندمدت، برای بازده و نیز برای نوسان سری TEPIX انجامشدهاست. نتایج مدلهای GPH، GSP و ARFIMA، وجود حافظه بلندمدت را در بازده سری نشان میدهند. همچنین نتایج اشاره براین دارند که پویاییهای حافظه بلندمدت در بازده و ...
Bu çalışmanın amacı, yapısal kırılmalar altında asimetrik bilginin hisse senedi getiri oynaklığı üzerindeki etkisini ARFIMA-FIGARCH ikili uzun hafıza ve Markov Switching Regresyon modelleriyle ortaya koymaktır. doğrultuda, çalışmada BİST 100 Endeksi’nin 04.01.2010-31.12.2018 dönemine ilişkin günlük dolar cinsinden kapanış fiyatları, alım satım fiyat marjı ile toplam işlem hacmi verileri dikkate...
Etkin piyasa, fiyatların rassal yürüyüş özelliğinden dolayı geçmişteki fiyat değişimlerini dikkate alarak gelecekteki tahmin edilemediği; böylece fiyatlarda uzun hafızanın olmadığı piyasadır. Bu çalışmada, portföy çeşitlendirmesi açısından öneme sahip olan İslami endekslerin piyasa etkinliği hafıza modelleriyle test edilmeye çalışılmıştır. BİST’te yer alan Katılım-30, Katılım-50 ve Model Portfö...
برآورد درجه انباشتگی شاخص تورم با مدل ARFIMA- FIGARCH مطالعه موردی: ایران حسین عباسینژاد* و یزدان گودرزی فراهانی** تاریخ دریافت: 19/9/1391 تاریخ پذیرش: 27/2/1393 چکیده بررسی اثر حافظه در شاخصهای مختلف اقتصادی، بهخصوص تورم و بازار پول دارای جذابیت تحقیقاتی بالایی است. این تحقیق با استفاده از دادههای شاخص قیمت مصرفکننده ایران در دوره زمان...
پیش بینی تلاطم یکی از مهمترین موضوعات مورد مطالعه ریسک در بازارهای مالی است. در تحقیق حاضر ابتدا با استفاده از روشهای garch، تلاطم موجود با استفاده از 1467 دادة روزانه برای شاخص قیمت بورس تهران برآورد شده و بهترین مدلها در تخمین و پیش بینی تلاطم برای توزیع نرمال و توزیع تی- استیودنت نتیجه شده است. با توجه به وجود علائم حافظه بلندمدت برای تبیین میانگین شرطی، از مدل arfima و برای واریانس شرطی،...
همبستگی بین مشاهدات در زمان های متفاوت در سری های زمانی، حافظه نامیده شده و اغلب بوسیله تابع خودهمبستگی اندازه گیری می شود. حافظه بلند مدت بدین معناست که مشاهدات با فاصله زیاد از هم، مانند مشاهدات نزدیک به هم، دارای وابستگی شدیدی می باشند. تابع خودهمبستگی فرآیندهای با حافظه بلند مدت به آرامی با نرخ هیپربولیک کاهش می یابد در حالی که این کاهش در فرآیندهای با حافظه کوتاه مدت به صورت نمایی است. در ...
پژوهش حاضر وجود حافظه بلندمدت را در بورس اوراق بهادار تهران با کاربرد مدل های gph، gsp، arfima و figarch بررسی می کند. داده های مورد بررسی، حاوی بازده روزانه هستند و آزمون های حافظه بلندمدت، برای بازده و نیز برای نوسان سری tepix انجام شده است. نتایج مدل های gph، gsp و arfima، وجود حافظه بلندمدت را در بازده سری نشان می دهند. همچنین نتایج اشاره بر این دارند که پویایی های حافظه بلندمدت در بازده و ...
برآورد درجه انباشتگی شاخص تورم با مدل arfima- figarch مطالعه موردی: ایران حسین عباسی نژاد* و یزدان گودرزی فراهانی** تاریخ دریافت: 19/9/1391 تاریخ پذیرش: 27/2/1393 چکیده بررسی اثر حافظه در شاخصهای مختلف اقتصادی، به خصوص تورم و بازار پول دارای جذابیت تحقیقاتی بالایی است. این تحقیق با استفاده از داده های شاخص قیمت مصرف کننده ایران در دوره زمانی ...
با توجه به رشد و اهمیت روزافزون بازارهای مالی، وجود هرگونه نوسانی در این بازارها، آثار شگرفی بر اقتصاد می گذارد. لذا، در عرصه پویای بازارهای مالی از جمله بازار بورس اوراق بهادار پیشبینی آینده به یکی از مهمترین مسایل در علوم مالی ارتقا یافته است. در این راستا این نوشتار با استفاده از دادههای روزانه شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران طی دوره زمانی 5/1/1388 الی 30/7/1392 وجود حافظه ب...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید