نتایج جستجو برای: مدل arfima
تعداد نتایج: 120201 فیلتر نتایج به سال:
روش¬های پیش بینی سری های زمانی مالی براساس مدل¬های اتورگرسیو میانگین متحرک انباشته (arima) و واریانس ناهمسان شرطی اتورگرسیو (arch) ویژگی حافظه بلند¬مدت و وجود شکست¬های ساختاری را در مدل¬سازی در نظر نمی¬گیرند. جهت رفع مشکل حافظه بلند¬مدت از فرآیندهایی نظیر مدل اتورگرسیو میانگین متحرک انباشته کسری (arfima) و مدل واریانس ناهمسان شرطی اتورگرسیو تعمیم یافته انباشته کسری (figarch) استفاده می¬شود. ولی...
Financial time series such as stock prices, inflation rates, interest and exchange rates are known to exhibit upward downward trend often possesses long memory volatility behavior. These behaviors crucial in the analysis, modeling forecasting of data. Unfortunately, many analysts don’t take into consideration consequences while financial Therefore, this paper intends examine effect Exchange Rat...
ARFIMA is a time series forecasting model, which is an improve d ARMA model, the ARFIMA model proposed in this article is d emonstrated and deduced in detail. combined with network traffi c of CERNET backbone and the ARFIMA model,the result sho ws that,compare to the ARMA model, the prediction efficiency a nd accuracy has increased significantly, and not susceptible to sa mpling.
Heart Rate Variability (HRV) series exhibit long memory and time-varying conditional variance. This work considers the Fractionally Integrated AutoRegressive Moving Average (ARFIMA) models with Generalized AutoRegressive Conditional Heteroscedastic (GARCH) errors. ARFIMA-GARCH models may be used to capture and remove long memory and estimate the conditional volatility in 24 h HRV recordings. Th...
این مقاله با هدف معرفی یک الگوی مناسب جهت پیشبینی شاخص بازدهی بورس اوراق بهادار تهران صورت پذیرفته است. دادههای مورد استفاده در این پژوهش به صورت روزانه و شامل بازهی زمانی پنجم فروردین 1388 تا سیام آبان 1390 که مشتمل بر 616 مشاهده بوده که جهت مجزا سازی پیشبینیهای داخل نمونهای و خارج از نمونهای، از تقریباً 90% از مشاهدات (556 مشاهده) جهت تخمین ضرایب مدل و از مابقی (60 مشاهده) جهت انجام پی...
یکی از روشهای مناسب در پیشبینی سری زمانی، تعمیم رفتار گذشته سری به آینده است. برای این منظور اولین قدم شناخت دقیق رفتار گذشته متغیر است. یکی از روشهای الگوسازی رفتار گذشته سری زمانی مدل خود توضیح جمعی میانگین متحرک (ARIMA) است. در این پژوهش از مدلهای ARIMA و ARFIMA برای پیشبینی قیمت هفتگی بنزین استفاده شد. همچنین پیشبینی مدل ARIMA با پیشبینی مدل خود توضیح کسری جمعی میانگین متحرک (ARFIMA)...
We evaluate the performance of autoregressive, fractionally integrated, moving average (ARFIMA) modelling for detecting long-range dependence and estimating fractal exponents. More specifically, we test the procedure proposed by Wagenmakers, Farrell, and Ratcliff, and compare the results obtained with the Akaike information criterion (AIC) and the Bayes information criterion (BIC). The present ...
با توجه به رشد و اهمیت روزافزون بازارهای مالی، وجود هرگونه نوسانی در این بازارها، آثار شگرفی بر اقتصاد می گذارد. لذا، در عرصه پویای بازارهای مالی از جمله بازار بورس اوراق بهادار پیشبینی آینده به یکی از مهمترین مسایل در علوم مالی ارتقا یافته است. در این راستا این نوشتار با استفاده از دادههای روزانه شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران طی دوره زمانی 5/1/1388 الی 30/7/1392 وجود حافظه ب...
Pariwisata dianggap sebagai suatu aset yang strategis untuk mendorong pembangunan pada wilayah-wilayah tertentu mempunyai potensi objek wisata. Faktor-faktor mempengaruhi wisatawan mancanegara berkunjung ke wilayah negara, diantaranya nilai tukar mata uang, inflasi disuatu kunjungan wisatawan, dan letak geografis negara. Peningkatan tidak terduga jumlah ini dapat berdampak kesulitan bagi para p...
پژوهش حاضر وجود حافظه بلندمدت را در بورس اوراق بهادار تهران با کاربرد مدل های gph، gsp، arfima و figarch بررسی می کند. داده های مورد بررسی، حاوی بازده روزانه هستند و آزمون های حافظه بلندمدت، برای بازده و نیز برای نوسان سری tepix انجام شده است. نتایج مدل های gph، gsp و arfima، وجود حافظه بلندمدت را در بازده سری نشان می دهند. همچنین نتایج اشاره بر این دارند که پویایی های حافظه بلندمدت در بازده و ...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید