نتایج جستجو برای: مدل arfima garch
تعداد نتایج: 123660 فیلتر نتایج به سال:
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 مدل های arima و arfima برای پیشبینی قیمت هفتگی بنزین استفاده شد. همچنین پیشبینی مدل arima با پیش بینی مدل خود توضیح کسری جمعی میانگین متحرک (arfima)...
یکی از اهداف اصلی تجزیه و تحلیل های اقتصادی، پیش بینی هر چه دقیق تر متغیرهای اقتصادی می باشد. به همین دلیل در سال های اخیر مدل های پیش بینی گوناگونی توسعه یافته اند. در این زمینه روش های مختلفی نیز در علم اقتصاد وجود دارد که از جمله آنها می توان به به مدل های خودتوضیح میانگین متحرک (arima) که به مدل سازی و پیش بینی سطح متغیرها می پردازند و نیز مدل های اتورگرسیو واریانس ناهمسانِ شرطی تعمیم یافته ...
ARFIMA models generated an enormous amount of interest in the literature about three decades ago. However, this interest vaned after Granger (1999) showed that an ARFIMA process might have stochastic properties that do not mimic the properties of the data at all. The empirical results of our research in which we used exchange rate data for the analysis, show that a variant of an ARFIMA process ...
پژوهش حاضر وجود حافظه بلندمدت را در بورس اوراق بهادار تهران با کاربرد مدلهای GPH، GSP، ARFIMA و FIGARCH بررسی میکند. دادههای موردبررسی، حاوی بازده روزانه هستند و آزمونهای حافظه بلندمدت، برای بازده و نیز برای نوسان سری TEPIX انجامشدهاست. نتایج مدلهای GPH، GSP و ARFIMA، وجود حافظه بلندمدت را در بازده سری نشان میدهند. همچنین نتایج اشاره براین دارند که پویاییهای حافظه بلندمدت در بازده و ...
This paper describes the development and approbation of software solution, which implements methodology forming recommendations for composition investment portfolios using fractal analysis long memory predictive models, is result research conducted over several years at Department Information Systems Mathematical Methods in Economics PSU. The general algorithm program includes four main steps: ...
این مقاله به بررسی عملکرد پیش بینی مدل های ARIMA و ARFIMA با استفاده از دادههای روزانه بازده شاخص کل سهام تهران در بازه زمانی 04/09/1380 تا 09/09/1390 می پردازد. در این راستا جهت تخمین پارامتر d و دیگر پارامترها، از روشNLS در بسته نرمافزار Oxmetric/pcgive استفاده شد و پس از مقایسه نتایج مدلهای تحقیق؛ مدل ARFIMA بر اساس معیار AIC مدلی برتر در مدل سازی TEPIX مشخص گردید. همچنین از میان براورد...
پیش بینی متغیرهای اقتصادی از اهمیت ویژه ای در مباحث اقتصادی برخوردار است و مدل های مختلفی جهت پیش بینی مقادیر آتی متغیرها به وجود آمده اند. یکی از مهمترین کارکردهای مدل های اقتصادی، پیش بینی مقادیر آتی متغیرهای اقتصادی می باشد. در حقیقت مدل های اقتصادی را می توان از طریق بررسی میزان دقت پیش بینی مورد آزمون قرار داد. بدین صورت که اگر یک مدل اقتصادی در تبیین روابط موجود بین متغیرها موفق باشد، با...
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...
شناخت سری های زمانی از اهم مباحث در تحلیل سری های زمانی در اقتصاد سنجی می باشد و بالطبع این شناخت در درک رفتار بازار به پژوهشگران و تحلیل گران می تواند نقش مهمی را ایفا کند. مطالعات اخیری که بر روی سری های زمانی انجام گرفته است، بیانگر این موضوع می باشد که، تست حافظه بلند مدت نسبت به سایر تست ها، از پر کاربردترین ها برای تحلیل سری های زمانی بوده است و این که احتمال کارامدی مدل هایی که با حافظه ...
This research investigates the role of high-frequency data in volatility forecasting China stock market by particularly feeding different frequency return series directly into a large number GARCH versions. The contributions this are as follows. 1) We provide clear evidence to support that superiority traditional time models remains taking advantage data. 2) incorporate distribution assumptions...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید