بررسی وجود ویژگی فراکتال در قیمت و بازده سهام شرکت‌های بورس اوراق بهادار تهران با استفاده از مدل غیر خطی ARIFMA

مهندسی مالی و مدیریت اوراق بهادار

مقاله 10، دوره 11، شماره 44 - شماره پیاپی 3، مهر 1399، صفحه 207-226   

نوع مقاله: مقاله پژوهشی

نویسندگان

امیرحسین عبدالملکی؛ محسن حمیدیان^* ؛ علی باغانی

گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی،تهران، ایران

چکیده

شواهد بسیاری حاکی از پیچیده بودن سری‌های زمانی مانند قیمت‌های بازار سهام و تصادفی بودن آن است که این امر باعث می‌شود تا تغییرات آنها را غیرقابل پیش‌بینی کند. این درحالی‌ است که احتمال دارد این سری‌های زمانی فرآیندی غیرخطی پویای معین یا به عبارت بهتر آشوبی بوده و در نتیجه می‌توانند قابلیت پیش‌بینی داشته باشند. لذا در این پژوهش قیمت سهام و بازده سهام شرکت‌های بورس اوراق بهادار تهران در طی دوره زمانی 1393-1397 و در بازه‌های ماهانه مورد آزمون قرار گرفته است تا مشخص شود آیا این متغیرها دارای ویژگی فراکتال در رفتار خود هستند یا خیر. برای دست‌یابی به هدف فوق از برآورد مدل خود توضیح کسری جمعی میانگین متحرک استفاده شده است. یافته‌های حاصل از آزمون‌های فوق بیان‌گر این است که قیمت سهام و بازده سهام، فرآیندی آشوبی و معین را تجربه می‌کند. که این امر دلالت بر ناکارایی بازار سرمایه دارد و به دلیل وجود حافظه بلندمدت می‌تواند در پیش‌بینی بلندمدت کارایی داشته باشد و رهنمودی برای شناخت بهتر عوامل ناکارایی بازار مانند عدم شفافیت جریان اطلاعات و اقدام در راستای برطرف نمودن آن داشته باشد.

کلیدواژه‌ها

قیمت سهام؛ بازده سهام؛ ویژگی فراکتال؛ آشوب و شاخص هرست

مراجع

تهرانی، رضا، انصاری، حجت‌اله و علی‌رضا سارنج (1389). بررسی وجود پدیده‌ی بازگشت به میانگین در بورس اوراق بهادار تهران، بررسی‌های حسابداری و حسابرسی، دوره‌ی ۱۵، شماره‌ی ‌‌۵۴، صص ۳۲-۱۷‌.

خواجوی، شکراله و هادی عبدی طالب‌بیگی (۱۳۹۵). تجزیه و تحلیل ابعاد فراکتال بر شاخص بازده نقدی و قیمت سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران، دانش سرمایه‌گذاری، سال پنجم، شماره‌ی ۱۸، صص: ۹۳-۷۹.

دانیالی ده حوض، محمود؛ منصوری، حسین. (1391). بررسی کارایی بورس اوراق بهادار تهران در سطح ضعیف و اولویت بندی عوامل مؤثر بر آن، فصلنامه پژوهشنامه اقتصادی(رویکرداسلامی- ایرانی)، 12(47): 71-96.

رهنمای رودپشتی، ف.، و کلانتری دهقی، م. (1393). "مدل‌های مولتی فراکتال درعلوم مالی: ریشه،ویژگی‌هاوکاربردهایآن‌ها". دانش مالی تحلیل اوراق بهادار، شماره 24، 47-25.

کاظمی روچی مصطفی، کیومرث بیگلر و کشاورز بهادری مهدی (1397)، تاثیر خاصیت فراکتالی شبکه بازار سهام بر بازده سهام، پایان نامه کارشناسی ارشد، موسسه آموزش عالی رجاء

محمدی، شاپور و چیت­سازیان، هستی، (۱۳۹۰). «بررسی حافظه بلندمدت بورس اوراق بهادار تهران». نشریه تحقیقات اقتصادی دانشگاه تهران/ شماره ۹۷/ ص ۲۰۲-۲۲۱.

 

Alvarez-Ramírez, J. & Rodríguez, E. (2012). Temporal variations of serial correlations of trading volume in the US stock market, Physica A, 4128-4135.

Black, E. D. (2000). Financial Market Analysis. 2nd Edition, New York: John Wiley and sons.

Chen, C., & Wang, Y. (2017). Understanding the multifractality in portfolio excessreturns. Physica A, 466, 346–355.

Ho, S.A., Machado, J.A.T., Quintino, D.D., Balthazar, J.M. (2016). Partial chaos suppression in a fractional order macroeconomic model, Mathematics and Computers in Simulation, 122: 55-68.

Mensi, W., et al. An analysis of the weak form efficiency, multifractality and long memory of global, regional and European stock markets. The Quarterly Review of Economics and Finance (2018), https://doi.org/10.1016/j.qref.2018.12.001

Rosenblum, B. and Kuttner F. (2006). Quantum Enigma: Physics Encounters Consciousness. Oxford University Press, Incorporated.

Sensoy, A., & Tabak, B. M. (2015). Time-varying long term memory in the EuropeanUnion stock markets. Physica A, 436, 147–158.

Velasquéz .T. (2009). Chaos theory and the science of fractals, and their application in risk management. Cand. merc. Copenhagen Business School, Cand.merc. Finance & Strategic Management, Supervisor: Michael Clemens.

Weiss, G. (1992). Chaos hits wall street-the theory, that is, Business Week November. pp. 138-140.

Zhang, G., & Li, J. (2018). Multifractal analysis of Shanghai and Hong Kong stockmarkets before and after the connect program. Physica A, 503, 611–622.