تأثیر تبدیل داده‌ها بر حافظه‌بلندمدت سری‌های‌زمانی و پیامدهای آن "مطالعه موردی: داده‌های قیمت‌نفت"

نوع مقاله: مقاله پژوهشی

نویسنده

استادیار، گروه اقتصاد، واحد ارسنجان، دانشگاه آزاد اسلامی، ارسنجان، ایران

چکیده

طی دهه گذشته، فرآیندهای با حافظه ‌بلندمدت، بخش مهمی از تجزیه ‌و تحلیل سری‌های‌ زمانی را به خود اختصاص داده است. وجود حافظه ‌بلندمدت کاربردهای مهمی در تحلیل کارایی بازار و متغیرهای ‌کلان‌اقتصادی، مالی و حسابداری دارد، این در حالی است که محقق در برخی موارد مجبور است دست به تبدیل داده‌ها یا به‌عبارت ‌دیگر دستکاری (به‌عنوان مثال تفاضل‌گیری) داده‌ها بزند که این‌کار انتظار می‌رود برخی ویژگی‌های داده‌ها که در پیش‌بینی‌های اقتصادی مهم هستند را از بین ببرد لذا، در این تحقیق تأثیر تبدیل داده‌ها بر حافظه ‌بلندمدت و وابستگی ساختاری و نهایتاً نتایج پژوهش، بررسی‌شده است. برای این‌کار ابتدا وجود حافظه ‌بلندمدت در داده‌های خام و تبدیل‌شده، آزمون شده است. برای پی بردن به تأثیر حافظه ‌بلندمدت بر وابستگی ساختاری، ضریب وابستگی دمی بین داده‌های خام و دستکاری ‌شده (داده‌های فصلی 1370 تا 1397) برآورد شده است؛ نتایج نشان می‌دهد، داده‌های خام دارای حافظه‌ بلندمدت، وابستگی دمی بیشتری نسبت به داده‌های دستکاری ‌شده هستند، به این معنا که تبدیل داده‌ها باعث تغییر ماهیت داده‌ها شده و نه ‌تنها حافظه آن‌ها را کم می‌کند بلکه باعث کاهش وابستگی دمی بین آنها می‌گردد.

کلیدواژه‌ها


عنوان مقاله [English]

The Impact of data conversion on the long-term memory of time series and its consequences Case Study: Oil Price Data

نویسنده [English]

  • Morteza Hasanshahi
Assistant Professor, Department of Economics, Arsanjan Branch, Islamic Azad University, Arsanjan, Iran
چکیده [English]

Over the past decade, long-term memory processes have been an important part of time series analysis. Long-term memory has important applications in evaluating market performance and macroeconomic, financial, and accounting variables, while the researcher may in some cases have to convert data or in other words manipulate data, which is expected to provide some data features that are important in economic forecasting. Therefore, in this study, the effect of data conversion on long-term memory and structural dependency and finally the results of the study were investigated. For this purpose, the existence of long-term memory in raw and converted data is first tested. To understand the effect of long-term memory on structural dependence, the tail dependence coefficient between raw and manipulated data (seasonal data 1991 to 2018) is estimated; the results show that raw data have long-term memory, more tail dependence on the manipulated data. It changes the nature of the data and not only reduces their memory but also reduces animal dependency.

کلیدواژه‌ها [English]

  • Long-term memory
  • data conversion
  • detailed functions
  • pricing