پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 610 |
| تعداد مقالات | 9,026 |
| تعداد مشاهده مقاله | 67,082,756 |
| تعداد دریافت فایل اصل مقاله | 7,656,167 |
آزمون ریشه واحد بیزی با لحاظ مشاهدات پرت: مطالعه موردی بازده روزانه 50 شرکت فعال بورس تهران | ||
| مدلسازی اقتصادسنجی | ||
| مقاله 16، دوره 4، شماره 3 - شماره پیاپی 14، شهریور 1398، صفحه 59-86 اصل مقاله (5.88 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jem.2019.17640.1295 | ||
| نویسندگان | ||
| مجتبی رستمی1؛ سید نظام الدین مکیان* 2 | ||
| 1دانشجوی دکتری اقتصاد، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد | ||
| 2دانشیار گروه اقتصاد، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد | ||
| تاریخ دریافت: 28 فروردین 1398، تاریخ بازنگری: 25 شهریور 1398، تاریخ پذیرش: 24 شهریور 1398 | ||
| چکیده | ||
| ایراد اساسی آزمون‌های کلاسیک ADF و PP توان آزمو ن پایین در نمونه‌های کوچک و گسستگی توزیع مجانبی آنهاست. در مقابل، بسیاری از محققین برجسته از آزمون‌های ریشه واحد بیزی حمایت می‌کنند. در پژوهش حاضر، آزمون‌های ریشه واحد بیزی بعنوان جایگزین روش‌های کلاسیک بررسی شده است. به دلیل ساختار توزیع غیرشرطی داده‌های مالی نقطه تمرکز این پژوهش تنظیم تابع راستنمایی با توزیع مقیاس ترکیبی نرمال می‌باشد. بدین منظور داده‌های روزانه بازده سهام 50 شرکت فعال بورس استفاده شده است. بخاطر احتمال بالای وجود داده‌های پرت، آزمون ریشه واحد با لحاظ مشاهدات پرت بدون نیاز به ساخت آماره آزمون جدید انجام شده است. نتایج شبیه‌سازی با الگوریتم نمونه‌برداری گیبس نشان دهنده احتمال بالایی مانایی است. همچنین، شبیه‌سازی توزیع پارامتر آزمون ریشه واحد نشان می‌دهد که رویکرد بیزی نسبت به رویکرد کلاسیک دقیق‌تر است. | ||
| کلیدواژه‌ها | ||
| آزمون‌های ریشه‌ی واحد؛ رویکرد بیزی؛ نقاط پرت؛ الگوریتم نمونه‌برداری گیبس | ||
| عنوان مقاله [English] | ||
| Bayesian Unit Root Test with Outliers Observations: The Case of Daily Returns of 50 Active in Tehran Stock Exchange Companies | ||
| نویسندگان [English] | ||
| Mojtaba Rostami1؛ Seyed Nezamuddin Makiyan2 | ||
| 1Ph.D. Student in Economics, Yazd University | ||
| 2Associate Professor in Economics, Yazd University | ||
| چکیده [English] | ||
| The main drawback of classical ADF and PP tests is the low power of test in small samples and their asymptotic distribution discontinuous. In contrast, many prominent scholars support the Bayesian unit root tests. In the present study, Bayesian unit root tests as an alternative to the classical methods are investigated. Because of the unconditional distribution structure of financial data, the focus of this study is to adjust the likelihood function with the distribution of the Scale Mixture of Normal. Daily stock returns data of 50 active stock companies were used. Due to the high probability of outliers, the unit root test was performed in terms of outliers’ observations without the need to construct new test statistics. The simulation results with Gibbs sampling algorithm show high probability of stationery. Also, the simulation of the distribution of the unit root test parameter shows that the Bayesian approach is more accurate than the classical one. | ||
| کلیدواژه‌ها [English] | ||
| Unit Root Tests, Bayesian Approach, Outliers, Gibbs Sampling Algorithm | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,952 تعداد دریافت فایل اصل مقاله: 2,453 |
||