برآورد درجه انباشتگی شاخص تورم با مدل ARFIMA- FIGARCH مطالعه موردی: ایران
نویسندگان
چکیده مقاله:
برآورد درجه انباشتگی شاخص تورم با مدل ARFIMA- FIGARCH مطالعه موردی: ایران حسین عباسینژاد* و یزدان گودرزی فراهانی** تاریخ دریافت: 19/9/1391 تاریخ پذیرش: 27/2/1393 چکیده بررسی اثر حافظه در شاخصهای مختلف اقتصادی، بهخصوص تورم و بازار پول دارای جذابیت تحقیقاتی بالایی است. این تحقیق با استفاده از دادههای شاخص قیمت مصرفکننده ایران در دوره زمانی 08/1390، 01/1369، به بررسی ویژگی حافظه بلندمدت این شاخص پرداخته و مدل ARFIMA برای آن برازش شده است. همچنین مقادیر جزء خطا در مدل ARFIMA با استفاده از مدل FIGARCH مورد بررسی قرار گرفت تا مشخص شود که واریانس ناهمسانی تورم از چه مدلی پیروی میکند، نتایج تحقیق نشاندهنده این موضوع بود که سری زمانی ماهیانه تورم میتواند دارای ریشه کسری باشند. به عبارتی، درجه انباشتگی متغیر تورم میتواند عدد صحیح نباشد و کسری باشد. نتایج تحقیق نشان داد که درجه انباشتگی سری تورم باید بین صفر و یک باشد و بدین ترتیب فرضیه حافظهدار بودن سری تورم مطرح شد. با تخمین پارامتر حافظه بلندمدت در مدل مشخص شد که سری تورم دارای درجه انباشتگی 46/0 است و با یک بار تفاضلگیری دچار بیش تفاضلگیری میشویم. بنابراین، سری تورم در ایران دارای حافظه بلندمدت است و آثار هر شوک بر این متغیر به دلیل حافظه بلندمدت آن تا دورههای طولانی باقی میماند. طبقهبندی JEL: C22, G32, E31 . کلیدواژهها: مدلARFIMA- FIGARCH ، تورم، آزمون KPSS، حافظه بلندمدت. * استاد دانشکده اقتصاد دانشگاه تهران، پست الکترونیکی: [email protected]. ** دانشجوی دکترای اقتصاد دانشگاه تهران (نویسنده مسئول)، پست الکترونیکی: [email protected].
منابع مشابه
برآورد درجه انباشتگی شاخص تورم با مدل arfima- figarch مطالعه موردی: ایران
برآورد درجه انباشتگی شاخص تورم با مدل arfima- figarch مطالعه موردی: ایران حسین عباسی نژاد* و یزدان گودرزی فراهانی** تاریخ دریافت: 19/9/1391 تاریخ پذیرش: 27/2/1393 چکیده بررسی اثر حافظه در شاخصهای مختلف اقتصادی، به خصوص تورم و بازار پول دارای جذابیت تحقیقاتی بالایی است. این تحقیق با استفاده از داده های شاخص قیمت مصرف کننده ایران در دوره زمانی ...
متن کاملپیشبینی شاخص کل بورس اوراق بهادار تهران با مدل ARFIMA
در این مقاله با استفاده از دادههای روزانة شاخص کل بورس اوراق بهادار تهران در دورة زمانی 6/1/1382 تا 14/4/1386، به بررسی ویژگی حافظة بلند این شاخص پرداخته و مدل ARFIMA را بر آن برازش میدهیم. همچنین عملکرد پیشبینی مدل ARFIMA را با مدل ARIMA مقایسه میکنیم. نتایج نشان میدهند که اولاٌ این سری زمانی از نوع حافظة بلند است، بنابراین میتوان با تفاضلگیری کسری آن را مانا کرد. پارامتر تفاضلگیری ب...
متن کاملبررسی آسایش اقلیمی با استفاده از شاخص درجه سختی هوا (مطالعه موردی: شمال غرب ایران)
در این مطالعه از شاخص درجه سختی هوا، به منظور بررسی شرایط زیست اقلیمی منطقه شمال غرب(استانهای آذربایجان غربی، آذربایجان شرقی، اردبیل، زنجان و کردستان) در دوره سرد سال استفاده شد. بدین منظور از دادههای میانگین دمای روزانه طی یک دوره زمانی 10 ساله در 22 ایستگاه سینوپتیک که دارای دوره آماری کاملتری بودند استفاده گردید. ماههایی که میانگین دمای آنها کمتر از 18 درجه سانتی گراد بود، به عنوان ماه س...
متن کاملمدل های arfima تطبیقی با کاربردهایی در تورم
روش¬های پیش بینی سری های زمانی مالی براساس مدل¬های اتورگرسیو میانگین متحرک انباشته (arima) و واریانس ناهمسان شرطی اتورگرسیو (arch) ویژگی حافظه بلند¬مدت و وجود شکست¬های ساختاری را در مدل¬سازی در نظر نمی¬گیرند. جهت رفع مشکل حافظه بلند¬مدت از فرآیندهایی نظیر مدل اتورگرسیو میانگین متحرک انباشته کسری (arfima) و مدل واریانس ناهمسان شرطی اتورگرسیو تعمیم یافته انباشته کسری (figarch) استفاده می¬شود. ولی...
ریسک فراگیر بحران مالی در نظام بانکی ایران با رویکرد ARFIMA - FIGARCH- Delta CoVaR و ریزش مورد انتظار حاشیه ای
ریسک سیستمیک به خطر شکست سیستم مالی یا شکست کل بازار اطلاق میشود. این ریسک میتواند از بیثباتی یا بحران در مؤسسات مالی نشأت بگیرد و در اثر سرایت به کل نظام مالی انتقال یابد. هدف مقاله حاضر سنجش ریسک فراگیر بحران مالی در نظام بانکی ایران بود. در این مطالعه از اطلاعات آماری بانکها در طول سالهای 1392-1397 استفاده شده است. در بخش اول شاخص های ریسک فراگیر بحران مالی با استفاده از شاخص Delta CoVa...
متن کاملپیشبینی شاخص کل بورس اوراق بهادار تهران با مدل arfima
در این مقاله با استفاده از دادههای روزانة شاخص کل بورس اوراق بهادار تهران در دورة زمانی 6/1/1382 تا 14/4/1386، به بررسی ویژگی حافظة بلند این شاخص پرداخته و مدل arfima را بر آن برازش میدهیم. همچنین عملکرد پیشبینی مدل arfima را با مدل arima مقایسه میکنیم. نتایج نشان میدهند که اولاٌ این سری زمانی از نوع حافظة بلند است، بنابراین میتوان با تفاضلگیری کسری آن را مانا کرد. پارامتر تفاضلگیری به...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 14 شماره 52
صفحات 26- 1
تاریخ انتشار 2014-03-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023