پیش بینی سود هر سهم و ارزیابی سودمندی سودهای گذشته برای پیش¬بینی، از دیرباز مورد توجه پژوهشگران بوده و بدین منظورازروش¬هاومدل¬های متفاوت به منظورپیش¬بینی سودهای آتی شرکت¬هااستفاده شده است. در این راستا، در پژوهش حاضر، مدل¬های سری زمانی توضیحی جمعی میانگین متحرک arimaوشبکه¬های عصبی مصنوعی از نوع پرسپترون چند لایه (mlp) مورداستفاده قرارگرفتند وپیش بینی¬هابرای سودهای فصلی شرکتهای پذیرفته شده درباز...

در این تحقیق مدل‌سازی دمای سواحل جنوبی دریای خزر توسط مدل آریمای فصلی یا مدل تلفیق‌شده میانگین متحرک و خودبرگشتی انجام شده‌است. بدین منظور دمای میانگین ماهانه ایستگاه‌های هواشناسی سینوپتیک بندرانزلی، رامسر و بابلسر که دارای بازه زمانی طولانی‌تری نسبت به سایر ایستگاه‌ها بوده‌اند، از سال 1955 الی 2008 میلادی مورد مطالعه قرار گرفت. مطالعات آماری تغییر اقلیم معمولاً سه پدیده همگنی، روند و جهش را در ...

در این پایان نامه توزیعهای پایدار گسسته و توزیعهای نیمه- پایدار گسسته با تکیه گاه اعداد صحیح نامنفی و دیگر توزیعها و چند خواص آنها را مورد بررسی قرار می دهیم. سپس فرآیند اتورگرسیو مرتبه اول با مقادیر اعداد صحیح نامنفی در ارتباط با توزیعهای حاشیه ای نیمه- پایدار گسسته بیان و همچنین فرآیند اتورگرسیو مرتبه اول آمیخته با توزیعهای حاشیه ای نیمه- پایدار هندسی مطرح می شوند. در پایان فرآیند میانگین...

در این مقاله انواع مدل های اتورگرسیو برای تحلیل داده های فضایی بیان شده و پارامترهای مدل ها با ماکسیمم کردن تابع درستنمایی نیمرخ با فرض آن که بین متغیرهای وابسته یا خطاهای مدل رابطه اتورگرسیو فضایی  برقرار باشد، برآورد شده است. سپس مدل های مختلف مورد ارزیابی قرار گرفته و در انتها نحوه کاربست آنها در مثالی کاربردی نشان داده شده است

بسیاری از سری های زمانی در علوم کاربردی تابعی مرتبه دوم متغیر با زمان هستند. در این پایان نامه، به مسأله چگونگی پیش بینی این سری های زمانی نامانا توسط موجکهای غیرکاهشی می پردازیم. با به-کارگیری کلاس فرآیندهای موجک موضعی مانا، یک پیش بینی کننده جدید بر اساس موجک ها معرفی می کنیم و معادلات پیش بینی را به صورت تعمیمی از معادلات یول- واکر بدست می آوریم. یک روش محاسباتی خودکار برای انتخاب پارامترهای...

مدل ARIMA، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل ARIMA باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...