ناشناخته بودن عوامل تاثیر گذار بر تغییرات قیمت سهام همواره دلیلی برای روی آوردن به پیش بینی تغییرات قیمت سهام شرکتها است پیش بینی قیمت یا بازده سهام به کمک کشف الگوهای رفتاری فرایند مولد قیمت سهام امکان پذیر است در واقع فرایند مولد قیمت سهام را می توان یه عنوان یک سیستم پویا بررسی کرد فرایند مزبور ممکن است به صورت سیستم های تصادفی ،سیستم های خطی ARIMA یا سیستم های غیر خطی به دست آید .در سالهای...

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک - شبکه عصبی مصنوعی (WANN)...

وجود الگوهای متنوع برای مدل سازی و پیش بینی سری های زمانی، باعث می شود انتخاب ساختار و تحلیل این گونه مدل ها با سعی و خطا، صرف زمان زیاد و مبتنی بر نظر افراد خبره انجام شود. با توجه به ماهیت شرطی رویه های شناسایی مدل پیش بینی سری های زمانی، در این مقاله سعی می شود با ایجاد تعدادی موتور جستجو، تکنیک تجزیه و تحلیل مشخص شود و در مرحله بعد، با فرض معین بودن تکنیک مناسب، پایگاه دانش به گونه ای توسعه...

با توجه به اهمیت بررسی پیوستگی بازارها و قانون قیمت واحد در ادبیات موضوع و سهم قابل توجه گوشت مرغ در سبد غذایی خانوارهای ایرانی، آیا بازار این محصول بین استان های شمالغرب کشور دارای پیوسته مکانی می باشد؟ به همین منظور در مطالعه حاضر قانون قیمت واحد (lop) بین بازارهای گوشت مرغ در استان های شمال غرب با استفاده از داده های روزانه قیمت خرده فروشی گوشت مرغ طی سال های 92-1385 مورد آزمون قرار گرفت. در...

هدف این پژوهش تجزیه و تحلیل تجربی ابعاد فراکتال بر شاخص بازده نقدی و قیمت سهام شرکتهایپذیرفته شده در بورس اوراق بهادار تهران است. در این راستا، شاخص بازده نقدی و قیمت بورس اوراق بهادار- تهران مورد بررسی قرار گرفت. نمونه آماری پژوهش شاخص بازده نقدی و قیمت در دوره زمانی 1931 1931میباشد. در این پژوهش با استفاده از تحلیل R/S و توان هرست به بررسی تصادفی بودن سری زمانی بازده نقدیو قیمت پرداخته شده اس...

شبکه های عصبی مصنوعی‏، از جمله مد‎ل‎های ریاضی جدیدی هستند که با دقت بالا به مد‏‎ل‎بندی ساختار سر‏ی های زمانی غیرخطی می پردازند. مزیت این مدل ها در مقایسه با مدل های سری زمانی این است که نیاز به فرضیات محدود کننده نمی باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می باشد. برای این منظور با استفاده از روش های خودگردان، می توان دقت برآوردگرها را در ساختارهای پیچید...

در این مقاله، مروری بر کاربردهای نظریه تخمین، شناسایی و کنترل تصادفی در سیستم های صنعتی و عملی صورت گرفته است. نظریه شناسایی و تخمین پارامترها و متغیرهای حالت یک سیستم دینامیکی و کنترل تصادفی از مباحث مهم و پرکاربرد در سیستم های صنعتی می باشند. شاخه های مختلف علمی مطالعه شده در این مقاله شامل، استفاده از نظریه تخمین، شناسایی و کنترل تصادفی در مقولاتی مانند تشخیص نشتی در خطوط انتقال سیالات، حوزه...