در تحقیق حاضر ابتدا آشوب پذیری سری های زمانی بارش، رواناب و دبی در دو ایستگاه پل کهنه و قورباغستان واقع بر رودخانه قره سو در کرمانشاه در سه مقیاس روزانه، هفتگی و ماهانه بررسی شد. سپس توانایی روش های پیش بینی موضعی و شبکه عصبی مصنوعی در مدل سازی این سری ها مورد ارزیابی قرار گرفت. نتایج نشان دادند که بر اساس دو روش توان لیاپانف و بعد همبستگی، سری زمانی بارش در مقیاس روزانه آشوبناک نبوده و رفتاری ...

نهادهای بیمه ای در سطح اقتصاد کلان از طریق تجمیع منابع و سرمایه گذاری آن ها، زمینه رشد اقتصادی را فراهم می سازند. بر این اساس، در این پژوهش بیمه های غیرزندگی که سهم درخور توجهی را در بازار بیمه ایران به خود اختصاص می دهند، به رشته های مختلف اصلی تفکیک شده اند. سپس رابطه میان توسعه بیمه های غیرزندگی و رشد اقتصادی در ایران با استفاده از داده های سری زمانی از سال 1348 تا 1393 بررسی شده است. ابتدا ...

به منظور مدل سازی و تخمین مناسب و قابل اعتماد پارامترها در مدل های داده­های خودهمبسته، از رویکردهای پایداراستفاده می­شود. وجود داده های پرت و آلودگی ها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، داده های گذشته بر داده­های اخیر اثرگذار هستند، این داده ها معمولاً در قالب سری زمانی مدل­سازی می شوند. در این تحقیق، مدل­های خود رگرسیون به عنوان یکی از مدل­های مطر...

برای پیش‏بینی سری ‏زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل arma سری ‏زمانی، چالشی است که علاوه بر روش‏های متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای مدل arma و قواعد کشفی برای تعیین ابعاد مدل ارائه می‏شود. قواعد کشفی بر اساس ویژگی‏های سری ‏زمانی استخراج می‏شوند. داده...

یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین با توجه به تغییرات سریع در محیط های واقعی و به ویژه سیستم های اقتصادی و مالی، پیش بینی در این گونه...

با گذشت حدود دو دهه از بازگشایی مجدد بورس اوراق بهادار تهران، حجم معاملات و تعداد شرکت های پذیرفته شده در آن از افزایش چشم گیری برخوردار شده است و سهامداران حقیقی و حقوقی بسیاری در آن درگیر شده اند، لذا به تدریج جایگاه قابل توجهی در مجموعه اقتصاد کشور پیدا کرده است و این مسؤولیت پژوهشگران عرصه اقتصاد را برای بهره گیری از ابزارهای جدید و کارآمدتر- جهت توجیه بهتر نوسانات این بازار- مضاعف می کند. ...

کارشناسان اقتصادی و متخصصان بازارهای مالی همواره در پی یافتن روش‌هایی برای پیش‌بینی رفتار متغیرهای اقتصادی و مالی از جمله نرخ ارز بوده‌اند. مطالعات زیادی بر روی مدل‌های ساختاری و سری زمانی پیش‌بینی نرخ ارز انجام شده است. با این حال پیش‌بینی نرخ ارز همواره یک مسئله پیچیده بوده است و مدل‌سازی نرخ‌های ارز به چالشی در میان محققان حوزه مالیه بین‌الملل و متخصصان اقتصادسنجی تبدیل شده است. در این پژوهش...

هدف این پژوهش یافتن مدلی است که بتوان به کمک آن جریان های نقدی آتی واحدهای اقتصادی را در محیط ایران پیش بینی کرد. با توجه به ادبیات نظری و پژوهش های انجام شده. چهار مدل برای پیش بینی جریان های نقدی با متغیرهای مستقل 1) جریان های نقدی عملیاتی تاریخی. 2) سودهای حسابداری تاریخی. 3) جریان های نقدی عملیاتی و سودهای حسابداری تاریخی و 4) جریان های نقدی عملیاتی. سودهای حسابداری و اقلام مربوط دارایی ها ...

در دو دهه اخیر استفاده از مدل های غیرخطی در تخمین دبی رودخانه ها مورد توجه محققان واقع شده است که از آن جمله می­توان به مدل شبکه های عصبی مصنوعی، برنامه­ریزی ژنتیک، سری های زمانی، تبدیل موجک و ... اشاره نمود. تبدیل موجک از طریق تجزیه امواج به زمان و مقیاس همچون روش آنالیز فوریه شیوه نوینی را برای پردازش موج ارائه می دهد. در تبدیل موجک از موجک گسسته میر برای برآورد جریان متوسط ماهانه رودخانه لیق...

در این مقاله استفاده از مدل های شبکه عصبی مصنوعی (ann) و برخی الگوهای متداول در زمینه پیش بینی نرخ ارز، مورد آزمون و تحلیل قرار گرفته بدین صورت که، عملکرد پنج الگوی رگرسیون خطی در مقایسه با شبکه های عصبی مصنوعی، برای پیش بینی نرخ ارز اسمی (ریال ایران به دلار ایالات متحده آمریکا) مورد بررسی قرار می گیرد. الگوهای رگرسیون خطی عبارتند از روش باکس- جنکینز (الگوی میانگین متحرک انباشته خود همبسته)، فر...