چکیده:
طی دهه گذشته، فرآیندهای با حافظه بلندمدت، بخش مهمی از تجزیه و تحلیل سریهای زمانی را به خود اختصاص داده است. وجود حافظه بلندمدت کاربردهای مهمی در تحلیل کارایی بازار و متغیرهای کلاناقتصادی، مالی و حسابداری دارد، این در حالی است که محقق در برخی موارد مجبور است دست به تبدیل دادهها یا بهعبارت دیگر دستکاری (بهعنوان مثال تفاضلگیری) دادهها بزند که اینکار انتظار میرود برخی ویژگیهای دادهها که در پیشبینیهای اقتصادی مهم هستند را از بین ببرد لذا، در این تحقیق تأثیر تبدیل دادهها بر حافظه بلندمدت و وابستگی ساختاری و نهایتاً نتایج پژوهش، بررسیشده است. برای اینکار ابتدا وجود حافظه بلندمدت در دادههای خام و تبدیلشده، آزمون شده است. برای پی بردن به تأثیر حافظه بلندمدت بر وابستگی ساختاری، ضریب وابستگی دمی بین دادههای خام و دستکاری شده (دادههای فصلی 1370 تا 1397) برآورد شده است؛ نتایج نشان میدهد، دادههای خام دارای حافظه بلندمدت، وابستگی دمی بیشتری نسبت به دادههای دستکاری شده هستند، به این معنا که تبدیل دادهها باعث تغییر ماهیت دادهها شده و نه تنها حافظه آنها را کم میکند بلکه باعث کاهش وابستگی دمی بین آنها میگردد.
خلاصه ماشینی:
Kang با توجه به مسائل فوق در این تحقیق تأثیر وجود حافظه بلندمدت بر وابستگی ساختاری بین قیمت نفت و متغیرهای کلان اقتصادی بررسی شده است .
مراحل اجرای تحقیق به این صورت است : ١- ابتدا مروری بر ادبیات موضوع ، ٢- روش شناسی تحقیق ، ٣- معرفی مدل های حافظه بلندمدت و توابع مفصل دمی ٤١- آزمون (برآورد ضرایب مدل ) ARFIMA برای کشف حافظه بلندمدت در داده های خام و داده های دستکاری شده ، ٥- برآورد ضرایب تابع مفصل برای قیمت نفت و متغیرهای اقتصادی با استفاده از داده های خام و داده های دستکاری شده ، ٦- مقایسه ضرایب وابستگی دمی ٢برای داده های خام و دستکاری شده و نهایتا نتایج تحقیق ، ارائه شده است .
جدول ٢: نتایج برآورد مدل ARFIMA برای داده های خام {مراجعه شود به فایل جدول الحاقی} منبع : محاسبات محقق مقایسه ضرایب مدل ARFIMA (جدول ، ٢) با پارامتر d (برای وجود حافظه بلندمدت و مانایی) در نمودار (١) نشان میدهد، پارامتر d در همه متغیرها مقداری بین ٠ و ٠/٥ به خود گرفته است (ارزش ضرایب d برای متغیرهای: قیمت نفت (٠/٤٢)، رشد اقتصادی (٠/٣٨)، مصرف (٠/٤٧)، تورم (٠/٣١) و واردات (٠/٢٧) هستند) بنابراین تمامی شاخص ها مانا و دارای حافظه بلندمدت هستند، به این معنا که خودهمبستگی بین داده های مذکور در فواصل زمانی زیاد وجود دارد؛ به عبارت دیگر هرکدام از متغیرهای مذکور نه تنها از زمان t و ١-t خود متأثر میشود بلکه از زمان های قبل تر نیز تأثیر میپذیرند.
نتیجه گیری در این تحقیق تأثیر تبدیل داده ها بر وجود حافظه بلندمدت و وابستگی دمی متغیرهای قیمت نفت ، مصرف ، رشد اقتصادی ، واردات و تورم ، با استفاده از مدل ARFIMA و توابع مفصل دمی آزمون شده است ، در راستای هدف مقاله از داده های خام و دستکاری شده (تفاضل مرتبه اول داده ها) استفاده شده است .