تعداد نشریات | 41 |
تعداد شمارهها | 1,101 |
تعداد مقالات | 9,446 |
تعداد مشاهده مقاله | 17,031,820 |
تعداد دریافت فایل اصل مقاله | 11,942,902 |
رتبه بندی کارایی صنایع منتخب فعال در بازار بورس اوراق بهادار تهران: کاربرد روش تحلیل نوسانات روندزدایی شده چند فرکتالی | ||
فصلنامه علمی پژوهش های اقتصاد صنعتی | ||
دوره 4، شماره 14، دی 1399، صفحه 11-26 اصل مقاله (7.95 M) | ||
نوع مقاله: کاربردی | ||
شناسه دیجیتال (DOI): 10.30473/indeco.2020.7613 | ||
نویسندگان | ||
سکینه اوجی مهر1؛ افشین منتخب* 2؛ علی حسین صمدی3 | ||
1استادیار بخش اقتصاد دانشگاه شیراز، شیراز، ایران | ||
2دانشیار بخش فیزیک دانشگاه شیراز، شیراز، ایران | ||
3دانشیار بخش اقتصاد دانشگاه شیراز، شیراز، ایران | ||
چکیده | ||
تجزیه و تحلیل سریهای زمانی بازارهای مالی از جمله مباحث مهم مالی است که برای سرمایه گذاران و سیاستگذاران، بسیار حائز اهمیت است. بخصوص بررسی فرضیه بازار کارا از این نظر، قابل توجه است. برای بررسی فرضیه کارایی از نوع ضعیف در چارچوب فرضیه گام تصادفی، در بیشتر موارد از روشهایی مانند تحلیل بازده با مقیاس مجدد (R/S) استفاده شده است. این در حالی است که سریهای زمانی مالی، سریهای پیچیدهای هستند و تحلیل آنها نیز نیاز به ابزارهای مناسب دارد. لذا در پژوهش حاضر از تحلیل نوسانات روندزدایی شده چند فرکتالی برای رتبه بندی کارایی بازار در صنایع مختلف بازار بورس اوراق بهادار تهران استفاده شده است. بدین منظور از دادههای روزانه ده صنعتی که بیشترین ارزش بازار سهام را دارند، طی فروردین 1387 تا آذرماه 1399 استفاده شده است. برای هر یک از این صنایع، نمای هرست تعمیم یافته، نمای تکینگی و طیف تکینگی محاسبه شده است. سپس با استفاده از معیارهای مختلف کارایی بازار مبتنی بر تحلیل نوسانات روندزدایی شده چندفرکتالی ( پهنای طیف تکینگی)، صنایع مورد مطالعه، رتبه بندی شدهاند. نتایج حاصل از محاسبه ناکارایی صنایع نشان میدهد که شرکتهای چند رشتهای صنعتی و فلزات اساسی، کمترین ناکارایی و فرآوردههای نفتی وکانه های فلزی به ترتیب، ناکاراترین صنایع هستند. علاوه بر این، معیار نمای هرست استاندارد نشان میدهد که همه صنایع مورد بررسی نسبت به بازار سهام سایر کشورهای اسلامی، ناکاراتر هستند. | ||
کلیدواژهها | ||
کارایی؛ تحلیل نوسانات روند زدایی شده چند فرکتالی؛ صنایع بورسی؛ ایران | ||
عنوان مقاله [English] | ||
Efficiency Ranking of Selected Industries of Tehran Stock Exchange Market: Application of Multi-Fractal Detrended Fluctuation Analysis | ||
نویسندگان [English] | ||
sakine owjimehr1؛ afshin montakhab2؛ Ali Hussein Samadi3 | ||
1Assistant Professor in Economics, Shiraz University, Shiraz, Iran | ||
2Associate Professor in physics, Shiraz University , Shiraz, Iran | ||
3Associate Professor in Economics, Shiraz University Shiraz, Iran | ||
چکیده [English] | ||
Analysis of financial markets time series is an aspect of finance which is important to both investors as well as regulators. In particular, the validity of the efficient market hypothesis plays a significant part in such considerations. In this regard, the (weak) efficient market hypothesis is usually investigated within the random walk theory with tools such as rescaled rang analysis. However, it is by now well-known that markets are complex system, whose technical analysis requires tools for complex systems theory. We therefore use the Multi-Fractal Detrended Fluctuation Analysis (MFDFA) in order to addresses the degree of market efficiency in various sector of industries in the Tehran Stock Exchange. We choose the largest sectors and analyze their daily price indices for the period of March 2008 to December 2020. For each of the sectors we calculate the generalized Hurst exponent as well as singularity exponent and singularity spectrum. We next use various measures of market inefficiency based on Multi-Fractal analysis (width of singularity spectrum) in order to rank these sectors in term of their inefficiency index. We find that while oil products and metallic mineral products sectors rank high on inefficiency, diversified industrials and base metals, rank relatively lower. We also note that a measure of standard Hurst exponent indicates that all considered sectors are relatively inefficient when compared to other Islamic Stock Exchange indices. | ||
کلیدواژهها [English] | ||
Efficiency, Multi-Fractal Detrended Fluctuation Analysis (MFDFA), Stock Industries, Iran | ||
مراجع | ||
جعفری، غ. ر.، ایزدی نیا، ن. و ج.، پیروتی. ( 1390)، "تحلیل چند فراکتالی نوسانات روندزدایی شده شاخص کل بورس اوراق بهادار تهران". فصلنامه بورس اوراق بهادار، شماره 14، 134-115. کتابی، س.، فتحی، س.، یوسفان، ن. ( 1394). "رتبه بندی صنایع منتخب بورس اوراق بهادار تهران بر اساس عوامل بنیادی صنعت با استفاده از روش تحلیل پوششی داده ها". مدیریت دارایی و تامین مالی، سال سوم، شماره 2 (پیاپی 9). Aslam, F., Latif, S., & Ferreira, P. (2020). "Investigating Long-Range Dependence of Emerging Asian Stock Markets Using Multifractal Detrended Fluctuation Analysis". Symmetry, 12(7), 1157.
Bachelier, L. (1900). "Theory of speculation in the random character of stock market prices". MIT Press, Cambridge, Mass. Blattberg, 1018, 17-78.
Caraiani, P. (2012). "Evidence of multifractality from emerging European stock markets". PloS one, 7(7), e40693.
Dutta, S. (2010). "Multifractal detrended fluctuation analysis of SENSEX fluctuation in the Indian stock market". Canadian Journal of Physics, 88(8), 545-551.
Fama, E. (1970). "Efficient Capital Markets: A Review of Theory and Empirical Work". The Journal of Finance, 25(2), 383-417. doi:10.2307/2325486.
Horta, P., Lagoa, S., & Martins, L. (2014). "The impact of the 2008 and 2010 financial crises on the Hurst exponents of international stock markets: Implications for efficiency and contagion". International Review of Financial Analysis, 35, 140-153.
Hou, W., Feng, G., Yan, P., & Li, S. (2018). Multifractal analysis of the drought area in seven large regions of China from 1961 to 2012. Meteorology and Atmospheric Physics, 130(4), 459-471.
Jiang, Z. Q., Xie, W. J., Zhou, W. X., & Sornette, D. (2019). "Multifractal analysis of financial markets: a review". Reports on Progress in Physics, 82(12), 125901.
Miloş, L. R., Haţiegan, C., Miloş, M. C., Barna, F. M., & Boțoc, C. (2020). "Multifractal Detrended Fluctuation Analysis (MF-DFA) of Stock Market Indexes. Empirical Evidence from Seven Central and Eastern European Markets". Sustainability, 12(2), 535.
Norouzzadeh, P., & Jafari, G. R. (2005). "Application of multifractal measures to Tehran price index". Physica A: Statistical Mechanics and its Applications, 356(2-4), 609-627.
Oświe, P., Kwapień, J., & Drożdż, S. (2005). "Multifractality in the stock market: price increments versus waiting times". Physica A: Statistical Mechanics and its Applications, 347, 626-638.
Peters, E. E. (1994). "Fractal market analysis: applying chaos theory to investment and economics". (Vol. 24). John Wiley & Sons.
Rizvi, S. A. R., & Arshad, S. (2016). "How does crisis affect efficiency? An empirical study of East Asian markets". Borsa Istanbul Review, 16(1), 1-8.
Rizvi, S. A. R., Dewandaru, G., Bacha, O. I., & Masih, M. (2014). "An analysis of stock market efficiency: Developed vs Islamic stock markets using MF-DFA". Physica A: Statistical Mechanics and its Applications, 407, 86-99.
Tiwari, A. K., Albulescu, C. T., & Yoon, S. M. (2017). "A multifractal detrended fluctuation analysis of financial market efficiency: Comparison using Dow Jones sector ETF indices". Physica A: Statistical Mechanics and its Applications, 483, 182-192.
Yuan, Y., Zhuang, X. T., & Jin, X. (2009). "Measuring multifractality of stock price fluctuation using multifractal detrended fluctuation analysis". Physica A: Statistical Mechanics and its Applications, 388(11), 2189-2197.
Zhuang, X., Wei, Y., & Ma, F. (2015). "Multifractality, efficiency analysis of Chinese stock market and its cross-correlation with WTI crude oil price". Physica A: Statistical Mechanics and its Applications, 430, 101-113.
| ||
آمار تعداد مشاهده مقاله: 381 تعداد دریافت فایل اصل مقاله: 447 |