براورد کم‌ترین توان‌های دوم پارامترهای مدل آرچ در حضور داده‌های گم‌شده

نویسندگان

  • مریم السادات غیبی تهران‏، دانشگاه علامه طباطبائی‏، دانشکده اقتصاد‏، کارشناس ارشد گروه آمار

چکیده

ببسیاری از سری‌های زمانی مالی و اقتصادی در دوره‌هایی با نوسانات زیادی همراه هستند و متعاقب آن در دوره‌هایی نوسان‌پذیری ‎(واریانس)‎ کمی دارند یعنی نوسان‌پذیری خوشه‌ای است. در این موقعیت فرض وجود واریانس ثابت معقول نیست. یکی از ابزارهای مدل‌بندی تغییرات، استفاده از مدل‌های واریانس ناهمسان شرطی آرچ و گارچ است. مدل آرچ در زمینه‌های اقتصادسنجی و مالی از جمله در بررسی تغییرپذیری مربوط به شاخص بورس، قیمت طلا و نرخ ارز کاربردهای فراوانی دارد.یکی از روش‌های رایج برآورد پارامترهای مدل آرچ روش شبه ماکسیمم درست‌نمایی است. از آنجایی‌که این بر‎‏آوردگر فرم بسته‌ای ندارد و برآوردگرهای دیگر نظیر برآوردگر کمترین توان‌های دوم کارایی بالاتری دارد برای برآورد پارامترهای مدل آرچ از برآوردگر کم‌ترین توان‌های دوم استفاده می‌شود. وجود داده‌های گم‌شده در سری‌های زمانی امری معمول است. از این‌رو برآوردگر کمترین توان‌های دوم دو مرحله‌ای را در حضور داده‌های گم‌شده به دست می‌آوریم. این برآوردگر کارایی مجانبی یکسانی با برآوردگر شبه ماکسیمم درست‌نمایی دارد. سازگاری قوی و توزیع مجانبی نرمال این برآوردگر را اثبات و سپس این نتایج را با استفاده از شبیه‌سازی تأیید می‌کنیم. نتایج را بر روی داده‌های شاخص کل بورس تهران به کار برده‏ می‌شود.

برای دسترسی به متن کامل این مقاله و 10 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

ورود

منابع مشابه

در تحقیقات مختلف به‌طور معمول با مسائلی سر و کار داریم که با استفاده از مجموعه‌ای از متغیرهای توضیحی به پیش‌بینی رفتار یک متغیر وابسته می‌پردازیم. یکی از روش‌های آماری که کاربرد وسیعی در این‌گونه مسائل دارد رگرسیون چندگانه می‌باشد. اما هنگامی که بین متغیرهای توضیحی رابطه‌ی خطی وجود داشته باشد مسئله‌ی هم‌خطی چندگانه رخ می‌دهد و در نتیجه رگرسیون کم‌ترین توان‌های دوم معمولی به ایجاد براوردهای نااس...

 در علوم رفتاری و اجتماعی برخورد با متغیرهای پنهان بسیار متداول است. یکی از بهترین روش‌ها برای مدل‌بندی این‌گونه متغیرها، مدل معادلات ساختاری است که از دو معادله‌ی اندازه‌گیری و ساختاری تشکیل یافته است و روابط بین متغیرهای پنهان با معادله‌ی ساختاری نشان داده می‌شوند. با وجود این، نظریه‌ی ماکسیمم درستنمایی و نرم‌افزارهای کامپیوتری موجود نظیر لیزرل [8] و EQS [1] که در مطالعات روان‌شناسی و اجتماعی...

حضور متغیرهای درون‌زا در مدل‌های آماری ناسازگاری و اریبی برآوردگرهای معمول پارامترهای مدل را به دنبال دارد. روش‌های متعددی در این حالت ارائه شد که مشکل ناسازگاری و اریبی را تنها برای حالت بزرگ نمونه‌ای حل کرده‌اند. یکی از این روش‌ها مبتنی بر استفاده از متغیر ابزاری است که باعث حذف درون‌زایی متغیر مورد مناقشه می‌شود. روشی دیگر برای برآورد پارامتر مدل‌های رگرسیون درون‌زا، روش کمترین توان‌های دوم ...

مدل آمیخته‌ی گاوسی پرکاربرد‌ترین مدل آمیخته‌ی متناهی است. خاصیت مهم این مدل انعطاف‌پذیری آن نسبت به توزیع‌های پیوسته با اشکال گوناگون است. از آن‌جا که مهم‌ترین بخش برازش یک مدل، براورد پارامترهای آن می‌باشد، در این جا برآنیم تا پارامترهای مدل آمیخته‌ی گاوسی دومؤلفه‌ای را از طریق چهار روش براورد کنیم. ابتدا مدل آمیخته‌ی گاوسی را در حالت دومؤلفه‌ای بیان می‌کنیم، سپس پارامترهای مدل را از دو روش گش...

بسیاری از سری های زمانی مالی و اقتصادی در دوره هایی با نوسانات زیادی همراه هستند و متعاقب آن در دوره هایی نوسان پذیری (واریانس) کمی دارند یعنی نوسان پذیری خوشه ای است. ‏در این موقعیت فرض وجود واریانس ثابت معقول نیست. یکی از ابزارهای مدل بندی تغییرات‏، استفاده از مدل های واریانس ناهمسان شرطی آرچ و گارچ است. مدل آرچ در زمینه های اقتصادسنجی و مالی از جمله در بررسی تغییرپذیری مربوط به شاخص بورس‏، ق...

 چکیده. داده‌های گم‌شده مشکلی رایج در پژوهش‌های مبتنی بر آمارگیری است. بسته‌های بسیاری وجود دارند که داده‌های گم‌شده را جبران می‌کنند اما تعداد کمی می‌توانند به‌راحتی اطلاعات طولی گم‌شده را جبران کنند. WinBUGS داده‌های گم‌شده را با استفاده از جانهی چندگانه جبران می‌کند و قادر است ساختار طولی را با استفاده از اثرات تصادفی یکپارچه کند. ما برتری جانهی طولی بر جانهی مقطعی را با استفاده از WinBUGS ن...

× خانه ژورنال ها ثبت نام ورود