عنوان لاتین:
Correlation Analysis of Stock Exchange Index, Oil price, Exchange Rate and Gold price: A Wavelet Decomposition Method
شاخه علمی:
پایان‌نامه مالی
گرایش علمی:
مدیریت مالی
قالب اجرا:
پایان‌نامه غیرصنعتی
کارفرما:
استاد راهنما:
شاپور محمدی
استاد مشاور:
وحید محمودی
دانشگاه:
دانشگاه تهران
مقطع تحصیلی:
پایان‌نامه کارشناسی ارشد
سال دفاع:
۱۳۸۹
کلیدواژه‌ها:
موجک, سری زمانی, نرخ ارز, قیمت نفت, قیمت طلا, شاخص کل بورس تهران, همبستگی
Tehran stock exchange index, time series, gold price, exchange rate, oil price, wavelet transform
چکیده:
یکی از مسائل بسیار قابل توجه در عرصه بازارهای مالی رابطه تنگاتنگ قیمت کالاهای حساس مانند نفت و طلا و ارزش ارزهای کشورهای مختلف جهان با یکدیگر است بطوریکه در هیچ بازاری نمی توان منفرد عمل کرد و به اخبار و اطلاعات مربوط به آن کالا یا ارز بسنده کرد و باید اطلاعات جامعی را از تعداد قابل توجهی از آنها گردآوری و تحلیل کرد تا به نتیجه ای مطلوب رسید. بازارهای ارز، سهام، نفت و طلا سیستم های اقتصادی پیچیده، متغیر با زمان، غیر خطی و چند متغیره هستند. عوامل مختلفی مانند عوامل سیاسی، اقتصادی، نظامی، عرضه و تقاضا و شرایط آب و هوایی بر روی آنها موثر هستند. موجک ها توابع ریاضی اند که داده ها را به مولفه های با مقیاس های زمانی مختلف تشکیل دهنده آنها تفکیک کرده و هر مولفه را با قدرت تفکیک متناسب با مقیاس آن مورد مطالعه قرار می دهند. مزیت اصلی تبدیل موجک نسبت به تبدیل فوریه توان بالای تحلیل آن در شرایطی است که داده ها دارای گسستگی و جهش های سریع باشند. در این تبدیل با استفاده از موجک پایه و با مقیاس کردن و انتقال زمانی آن، داده ها تجزیه و تحلیل می گردند. هرچه مقیاس مورد استفاده بزرگتر باشد موجک پایه بیشتر کشیده شده و تجزیه و تحلیل بر روی مولفه های فرکانس پایین اطلاعات انجام خواهد شد. بر عکس هرچه مقیاس مورد استفاده کوچکتر باشد موجک پایه فشرده تر شده و تجزیه و تحلیل بر روی مولفه های فرکانس بالا انجام می گردد. مولفه های فرکانس پایین (مقیاس بزرگ) نشانگر روند یک سری زمانی و مولفه های فرکانس بالا (مقیاس کوچک) نشانگر تغییرات فصلی، دوره ای و نامنظم یک سری زمانی هستند. در این پایان نامه ابتدا سری زمانی مربوط به نرخ ارزهای مختلف، قیمت نفت، قیمت طلا و شاخصهای بورس اوراق بهادار تهران توسط تبدیل موجک به مولفه های تشکیل دهنده آنها در مقیاسهای زمانی مختلف (از کوتاه مدت تا بلند مدت) تجزیه شده و سپس همبستگی میان این مولفه ها مورد بررسی قرار می گیرد.
One of the important issues in the financial markets topic is the relation between the prices of valuable commodities like oil and gold and the various exchange rates. To get valuable results from the markets information analysis, the information of more than one market should be processed. Forex, Stock exchange, Oil and Gold markets are complicated economic systems those are time variable, nonlinear and also multi variable systems. Wavelets are mathematical functions for analyzing the time series into their components in various time scales. The main advantages of the wavelet transform in comparison of Fourier transform is its ability to analysis the non-stationary time series. By using the scaled and time shifted basic wavelet that named mother wavelet, the time series are analysis by wavelet transform. Large scales which are related to stretch wavelets are using to study and analysis the low frequency components of the time series and vice versa. The low frequency components of time series show their trends and the high frequency components show the seasonal, cyclical and irregular components. In this master thesis firstly the time series of various exchange rate, oil price, gold price and Tehran stock exchange index are analysis to their components in various time scales by wavelet transform and then the correlation between these components are studied.