چکیده:
سریهای زمانی بسیار پیچیده مانند قیمتهای بازارهای سهام معمولا تصادفی و در نتیجه، تغییرات آنها غیرقابل پیش بینی فرض می شود. در حالی که ممکن است این سریها محصول یک فرایند غیرخطی پویای معین (آشوبی) و در نتیجه قابل پیش بینی باشند. در این تحقیق، شاخصهای بازدهی روزانه و هفتگی قیمت سهام بازار بورس تهران (TEPIX) در دوره زمانی ابتدای سال 1377 تا پایان 1382 مورد آزمون قرار گرفته است تا مشخص شود که آیا این شاخصها از فرایند تصادفی پیروی می کنند یا متاثر از یک فرایند معین (آشوبی) هستند. به این منظور، از آزمونهای BDS، شبکه عصبی و بزرگترین نمای لیاپانوف استفاده شده است. آزمونهای BDS و شبکه عصبی وجود فرایند غیرخطی در پسماندهای مدلهای ARMA برازش شده بر این شاخصها را نشان دادند؛ ولی این آزمونها وجود فرایند غیرخطی در پسماندهای مدل GARCH را تایید نکردند. نتایج آزمون بزرگترین نماهای لیاپانوف که آزمون مستقیمی برای فرایندهای غیرخطی معین است دلالت بر وجود آشوب در شاخصهای بازدهی قیمت کل سهام بازار بورس تهران دارد. این نتیجه دلالت بر ناکارایی بازار سهام و در نتیجه، قابلیت پیش بینی کوتاه مدت آن دارد که می تواند یک رهنمود سیاستی مبنی بر شناخت عوامل ناکارایی بازار مانند شفاف نبودن جریان اطلاعات و اقدام در جهت رفع آنها داشته باشد. همچنین، برای مدل سازی و به ویژه پیش بینی شاخص قیمتهای سهام، استفاده از مدلهای غیرخطی به جای مدلهای معمول خطی مناسب تر است.
The very complex movements in the stock prices are usually taken as random or stochastic، but they may be produced by a deterministic data generating process. Chaos refers to the nonlinear dynamic deterministic process that generates a series، which appears like random، but has a long memory. In the Economics and Finance literature، stock prices are known to be random due to their complexities، and therefore being unpredictable. In this paper، we test for chaos in the stock prices using the data from the daily and weekly stock prices listed in the Tehran Exchange Market (TEPIX) in 1377-1382 (1998-2003). We apply three tests for chaos، namely; BDS، Lyaponov Exponent، and Neural Networks; to the residuals of linear (ARIMA) and nonlinear (GARCH) models. The BDS and the Neural Networks tests results show that there exists nonlinearity in the ARIMA residuals، but not in the GARCH residuals. However، the Lyaponove exponent test result is positive for all different dimensions indicating that the TEPIX is chaotic.
خلاصه ماشینی:
"فصلنامه پژوهشهای اقتصادی ایران/سال هفتم/شماره /25زمستان /1384صفحات 47-64 بررسی وجود فرایند آشوبی در شاخص بازدهی کل قیمت سهامبازار بورس تهران دکتر سعید مشیری* حبیب مروت** تاریخ ارسال:1383/12/21 تاریخ پذیرش:1384/7/12 کیده 1{IBسریهای زمانی بسیار پیچیده مانند قیمتهای بازارهای سهام معمولا تصادفی و در نتیجه،تغییرات انها غیر قابلپیشبینی فرض میشود،در حالی که ممکن است این سریها محصول یک فرایند غیر خطی پویای معین(آشوبی)ودر نتیجه قابلپیشبینی باشند.
آنها از آزمونهای BDS و نمای لیاپانوف و دادههای مربوط به بازدهیهای 1،5 و15 دقیقهای از اول ماه سپتامبر تا 3 نوامبر 1991 استفاده کردند و هرچند وجود فرایند غیر خطی دراین سریها را نشان دادند،ولی شواهدی برای وجود آشوب با بعد پایین در آنها نیافتند woods )(1997, Abhyankar .
. دادهها در این تحقیق برای بررسی وجود آشوب در بازار بورس اوراق بهادار تهران از شاخصهای بازدهی روزانه وهفتگی کل قیمت سهام تهران( TEPIX )در بازۀ زمانی اول 1377 تا پایان 1382 استفاده میشود.
همانطور که نتایج آزمون برای بعدهای مختلف نشان میدهد،فرضیۀ صفر مبنی بر توزیع معادل ومستقل بودن1( IID )فرایند مولد دادههای روزانه و هفتگی شاخص حتی در سطح 1%نیز رد میشود(آمارۀ توزیع نرمال استاندارد در سطح 1%برابر 2/56 است).
همانطور که نتایج آزمون برای بعدهای مختلف نشان میدهد،فرضیۀ صفر مبنی بر توزیع معادل ومستقل بودن پسماندهای مدل ARMA برازش شده بر شاخصهای بازدهی روزانه و هفتگی در سطح1%رد میشود(آمارۀ توزیع نرمال استاندارد در سطح 1%برابر 2/56 است).
. جمعبندی و نتیجهگیری در این تحقیق وجود آشوب در شاخصهای بازدهی روزانه و هفتگی قیمت کل بازار سهام تهران بااستفاده از آزمونهای BDS ،شبکۀ عصبی و بزرگترین نمای لیاپانوف بررسی شد."