fa تحلیل حافظه بلند مدت در تلاطم نرخ ارز با مدل ناهمگنی شرطی خودهمبسته تعمیم یافته انباشته کسری و خطای وارون گاوسی سریهای زمانی Time Series كاربردي و توسعه ای Applied <p style="text-align: justify;">یکی از موضوع های مورد توجه در بررسی کارایی یک بازار مالی، وجود ویژگی حافظه بلند مدت است. برای یک سری زمانی مالی ممکن است این ویژگی در تلاطم نمود پیدا کند. یکی از روش های شناسایی و مدل بندی حافظه بلند مدت در تلاطم، استفاده از مدل های ناهمگنی شرطی خودهمبسته تعمیم یافته انباشته کسری&nbsp; است. در این مقاله به شناسایی و مدل بندی حافظه بلند مدت در تلاطم داده های نرخ ارز پرداخته می شود. با توجه به خصوصیات آماری چولگی، دم کلفتی و بیش کشیدگی داده ها، فرض نرمال بودن مانده ها معنی دار نیست و نمی توان از روش های معمول به شناسایی مدل پرداخت. با توجه به ساختار داده ها توزیع وارون گاوسی&nbsp; یک انتخاب مناسب برای توزیع مانده ها است. بنابراین با این فرض به شناسایی مجدد مدل پرداخته می شود. نتایج نشان می دهند، مدل ناهم واریانس شرطی خودهمبسته تعمیم یافته انباشته کسری با توزیع وارون گاوسی انتخابی مناسب برای داده ها است</p> <div style="text-align: justify;">One of the issues in reviewing the performance of a financial market is existence of long-term memory. Since for a financial time series, we may find this feature in the volatility. So reviewing in volatility has been considered by many economists. A common method for identification and modeling of long-term memory in the volatility is to use FIGARCH models. In this paper, we identify and model long-term memory in the data exchange rates volatility (EUR/IRR). According to the statistical properties of skewness, heavy tail and excess kurtosis of data, assuming normal residuals being rejected and therefore cannot identify model by using common methods. The data structure looks NIG distribution is a good choice for the distribution of residuals. Hence with this assumption, we again identify model. The results show a good selection for data is FIGARCH-NIG model.</div> تلاطم, حافظه بلند مدت, دم کلفتی, توزیع نرمال وارون گاوسی, نرخ ارز Volatility, Long-Term Memory, Heavy Tail, Normal Inverse Gaussian Distribution, Exchange Rate 151 168 http://jss.irstat.ir/browse.php?a_code=A-10-71-1&slc_lang=fa&sid=1 Gholam Ali Parham غلامعلی پرهام parham_g@scu.ac.ir 10031947532846006311 10031947532846006311 Yes Department of Statistics, Shahid Chamran University, Ahvaz, Iran. گروه آمار، دانشگاه شهید چمران اهواز Parisa Masjedi پریسا مسجدی parisa_ma43@yahoo.com 10031947532846006312 10031947532846006312 No Department of Statistics, Shahid Chamran University, Ahvaz, Iran. گروه آمار، دانشگاه شهید چمران اهواز