دانشگاه اصفهان مدیریت دارایی و تامین مالی 2383-1189 3 3 2015 11 22 Evaluation of Long Memory in the Volatility of Tehran Stock Exchange بررسی حافظه بلندمدت در نوسان‌های بازدهی شاخص بورس اوراق بهادار تهران 67 82 19918 FA اکبر کمیجانی دانشکده اقتصاد دانشگاه تهران اسماعیل نادری دانشکده اقتصاد دانشگاه تهران نادیا گندلی علیخانی دانشگاه آزاد واحد علوم و تحقیقات خوزستان Journal Article 2016 06 14 According to the growing importance of financial markets, existence of any volatility in the market has dramatic effects on the economy. Therefore, in a dynamic financial markets including stock market, forecasting has improved to one of the most important issues in financial sciences. In this regard, this paper evaluated existence of long memory in returns and volatility of the market price index by using daily prices and returns Tehran Stock Exchange data from 2009/04/04 to 2013/10/22. The results of this study confirm the existence of long memory in both the mean and variance equations. After confirming the existence of long memory in this index, we used GARCH-type models (including non-fractal and fractal models) to track its volatility. Conclusively, comparing the information criteria (Akaike and Schwartz) of various conditional variance heteroskedasticity models, we found the performance of the ARFIMA (1,2)-FIGARCH (BBM) model is desirable. با توجه به رشد و اهمیت روزافزون بازارهای مالی، وجود هرگونه نوسانی در این بازارها، آثار شگرفی بر اقتصاد می‌گذارد. 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 بلندمدت در بازدهی و نیز نوسان‌های شاخص قیمت این بازار رابررسی نموده است. پس از تأیید وجود حافظه بلندمدت در سری بازدهی بورس، به کمک خانواده مدل­های واریانس ناهمسان شرطی (اعم از مدل­های غیر فرکتالی و فرکتالی) به برازش بهترین تصریح برای تبیین رفتار نوسان‌های بازدهی بورس پرداخته شد. نتایج این پژوهش، مؤید وجود حافظه بلندمدت در هر دو معادله میانگین و واریانس سری مذکور بوده است. حال آنکه، در بین مدل­های واریانس ناهمسان شرطی که در این مطالعه مورد بررسی قرار گرفته، بر اساس معیارهای اطلاعات (آکائیک و شوارتز) مدل ARFIMA(1,2)-FIGARCH(BBM) به عنوان بهترین مدل برای مدل­سازی نوسان‌های بازدهی بورس در دوره مورد بررسی، انتخاب شده است. حافظه بلندمدت نوسانات بازار بورس مدل ARFIMA مدل GARCH مدل FIGARCH https://amf.ui.ac.ir/article_19918_9763cd0e3344dbb5867ba5dd9f82b0f2.pdf