آزمون ريشه واحد بيزي با لحاظ مشاهدات پرت: مطالعه موردي بازده روزانه 50 شركت فعال بورس تهران

Bayesian Unit Root Test with Outliers Observations: The Case of Daily Returns of 50 Active in Tehran Stock Exchange Companies

ايراد اساسي آزمون‌هاي كلاسيك ADF و PP توان آزمو ن پايين در نمونه‌هاي كوچك و گسستگي توزيع مجانبي آنهاست. در مقابل، بسياري از محققين برجسته از آزمون‌هاي ريشه واحد بيزي حمايت مي‌كنند. در پژوهش حاضر، آزمون‌هاي ريشه واحد بيزي بعنوان جايگزين روش‌هاي كلاسيك بررسي شده است. به دليل ساختار توزيع غيرشرطي داده‌هاي مالي نقطه تمركز اين پژوهش تنظيم تابع راستنمايي با توزيع مقياس تركيبي نرمال مي‌باشد. بدين منظور داده‌هاي روزانه بازده سهام 50 شركت فعال بورس استفاده شده است. بخاطر احتمال بالاي وجود داده‌هاي پرت، آزمون ريشه واحد با لحاظ مشاهدات پرت بدون نياز به ساخت آماره آزمون جديد انجام شده است. نتايج شبيه‌سازي با الگوريتم نمونه‌برداري گيبس نشان دهنده احتمال بالايي مانايي است. همچنين، شبيه‌سازي توزيع پارامتر آزمون ريشه واحد نشان مي‌دهد كه رويكرد بيزي نسبت به رويكرد كلاسيك دقيق‌تر است.

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.