این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Money and Economy، جلد ۲۰، شماره ۲، صفحات ۲۷۵-۳۲۲
عنوان فارسی آشکار سازی تقارن‌های پنهان در بازارهای مالی از طریق تحلیل غیرخطی: شواهد تجربی از بازارهای بین‌المللی
چکیده فارسی مقاله این تحقیق به بررسی کاربرد نظریه آشوب و تحلیل‌های غیرخطی در بازار سهام پرداخته و از داده‌های تجربی بازارهای بین‌المللی برای بررسی وجود روندهای آشوب‌گونه و فرایندهای غیرخطی در سری‌های زمانی ۲۰ شاخص قیمت سهام بین‌المللی، از ژانویه ۱۹۸۴ تا ژانویه ۲۰۲۴ استفاده می‌کند. با استفاده از آزمون‌های پیش‌بینی‌پذیری و غیرخطی بودن، این مطالعه شواهدی از وجود فرایند غیرخطی در شاخص قیمت سهام یافت. علاوه بر این، آزمون‌های ابعاد همبستگی برای ارزیابی همبستگی میان مشاهدات انجام شد که همبستگی قابل توجهی میان متغیرها را کشف کرد. سپس آزمون‌های دوره‌ای تجمعی برای تصحیح تحلیل انجام شد که ویژگی‌های آشوبی متغیر شاخص قیمت سهام را در نظر گرفت و به این ترتیب طبیعت آشوب‌گونه این فرایند را تأیید کرد. پس از تأیید پیش‌بینی‌پذیری شاخص قیمت سهام، مدل‌های ARFIMA، FIGARCH، LSTAR و ESTAR برای پیش‌بینی دوره‌های آینده اعمال شدند. در میان مدل‌هایی که حافظه بلندمدت را در متغیر شاخص قیمت سهام در نظر می‌گیرند، مدل FIGARCH  قدرت پیش‌بینی برتری از خود نشان داد زیرا هم حافظه بلندمدت و هم واریانس و تغییرات متغیر را در نظر می‌گیرد. در میان مدل‌های غیرخطی، مدل ESTAR بالاترین توانایی پیش‌بینی را نشان داد. پیامدهای این مطالعه برای سرمایه‌گذاران که قصد دارند روندهای بازار سهام را درک و تحلیل کنند، از اهمیت بالایی برخوردار است و دیدگاهی نوین در مورد دینامیک بازار سهام ارائه می‌دهد.
 
کلیدواژه‌های فارسی مقاله بازارهای سهام، آشوب، پیش‌بینی‌پذیری، غیرخطی بودن، شاخص‌های بازار
عنوان انگلیسی Unveiling the Hidden Symmetries in Financial Markets through Non-linear Analysis: Empirical Evidence from International Markets
چکیده انگلیسی مقاله This research delves into the application of Chaos Theory and non-linear analysis to the stock market, utilizing empirical data from international markets to scrutinize the presence of chaotic trends and non-linear processes within the time series of 20 international stock price indices, spanning from January 1984 to January 2024. Through the employment of predictability and non-linearity tests, the study found evidence of a non-linear process in the stock price index. Further, correlation dimension tests were conducted to evaluate the correlation between observations, uncovering a significant correlation between variables. Cumulative periodic tests were subsequently applied to refine the analysis, taking into account the chaotic nature of the stock price index variable, thereby affirming the chaotic nature of this process. Following the validation of the stock price index's predictability, ARFIMA, FIGARCH, LSTAR, and ESTAR models were applied for forecasting future periods. Among the models that incorporate long-term memory in the stock price index variable, the FIGARCH model exhibited superior forecasting power by accounting for both the long-term memory and the variance and changes of the variable. Among the nonlinear models, the ESTAR model demonstrated the highest prediction capabilities. The implications of this study are of considerable significance for investors aiming to comprehend and analyze stock market trends, offering a novel perspective on the stock market's dynamics.
 
کلیدواژه‌های انگلیسی مقاله Chaos, predictability, Non-Linearity, Market indices
نویسندگان مقاله محمد احدزاده | Mohamad ahadzadeh
Science and Research Branch, Islamic Azad University, Tehran, Iran
دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

علی اسحاق‌زاده | Ali Eshaghzadeh
imam Sadiq University
دانشگاه امام صادق، تهران، ایران

قدرت‌اله طالب‌نیا | Ghodratollah Talebnia
Science and Research Branch, Islamic Azad University, Tehran, Iran
دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

نشانی اینترنتی http://jme.mbri.ac.ir/browse.php?a_code=A-10-656-2&slc_lang=en&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده اقتصاد پولی
نوع مقاله منتشر شده پژوهشی اصیل - کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات