این مطالعه با هدف معرفی الگوهای مطلوب پیش‌بینی برای قیمت گازوییل در بازار انرژی سنگاپور به عنوان بازار مؤثر بر قیمت گازوییل در خاورمیانه انجام شد. داده‌های مورد‌استفاده به‌صورت هفتگی و شامل دوره (2010-1987) می‌باشد. پیش‌بینی‌ها برای 10، 20 و 30 درصد داده‌ها صورت گرفت. الگوهای مورد‌استفاده برای پیش‌بینی شامل چهار الگوی شبکه‌عصبی و یک الگوی رگرسیونی (خودرگرسیون میانگین متحرک) بود. شبکه‌های منتخ...

سریهای زمانی با حافظه بلند در علوم مختلف کاربردهای فراوانی دارند.در اینگونه سریهای زمانی ،تابع خود همبستگی دوامی نشان میدهد که نه با فرآیندهای arima(p,1.q) و نه با arima(p,0,q) سازگار است.به عبارت دیگر ضرایب خود همبستگی ،مانایی سری را تایید نکرده و پس از یکبار تفاضل گیری هم به نظر می رسد که بیش تفاضل گیری شده باشند.سریهای زمانی arfima (در حالی که فریندهای با حافظه بلند باشند)با تفاضل گیری کسری ...

اغلب پدیده های طبیعی رفتاری غیرخطی دارند که لازمه ی تشخیص مناسب آن ها استفاده از مدل های غیرخطی است. در گذشته مدل های گوناگونی به منظور پیش بینی متغیرهای اقتصادی مورد استفاده قرار می گرفتند. اما این مدل ها ضعف هایی داشتند که به محقق اجازه نمی دادند تا عوامل پیچیده و غیرخطی موثر بر پیش بینی را درنظر بگیرد. ازاینرو روش های جدیدی در پیش بینی به نام روش های یادگیری ماشین پا به عرصه وجود نهاده اند ک...

توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (arima)[1]و شبکه­های عصبی مصنوعی(ann)[2] به مقایسه این دو روش برای پیش­بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته­ایم. ...

توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (ARIMA)[1]و شبکه­های عصبی مصنوعی(ANN)[2] به مقایسه این دو روش برای پیش­بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته­ایم. ...

پیش­بینی پدیده­های اقتصادی ساختاری فراهم می­کند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری ­دهد. هدف اصلی این مطالعه پیش­بینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روش­های سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده می­شود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...

این مقاله به مقایسه صحت پیش بینی تلاطم مدلهای ساده با مدلهای پیچیده تر سری های زمانی، مدل های شرطی طبقه آرچ، در بورس اوراق بهادار تهران و بورس های توسعه یافته شامل دو شاخص اصلی بورس اوراق بهادار تهران و 8 شاخص دیگر از بورس های بین المللی به مدت 10 سال، طی دوره 1378 تا 1387، میپردازد. صحت پیش بینی این مدل ها در بورسهای مختلف با استفاده از روش شناسی خارج از نمونه مورد ارزیابی واقع میشود. مدل های ...

آگاهی از دبی‌ جریان و پیش‌بینی آن به ویژه در مواقعی که رودخانه با کم‌آبی مواجه است امری ضروری در جهت مدیریت بهره‌‌برداری از رودخانه است. در این مقاله به ‌منظور مدل‌سازی سری‌های‌ زمانی تشکیل شده از کم‌آبی‌های ماهانه و پیش‌بینی مقدار و زمان وقوع کم‌آبی‌ها، از یک مدل استوکستیک متداول (مدل میانگین متحرک تجمعی خودبازگشت-ARIMA) و یک مدل مبتنی بر هوش مصنوعی (سیستم استنتاج فازی مبتنی بر شبکة تطبیقی-ANF...

در این مطالعه قیمت ماهانه ذرت و سویا به‌عنوان مهمترین دانه‌های روغنی با استفاده از روشهای تعدیل نمایی و خود توضیح میانگین متحرک (ARMA) پیش‌بینی شده است. داده‌های مورد استفاده شامل داده‌های ماهانه دوره فروردین 1370 تا تیر 1387 می‌باشد که از شرکت پشتیبانی امور دام گردآوری شده است. از داده‌های دوره فروردین 1371 تا اسفند 1385 برای برآورد و آموزش مدلها و از داده‌های دوره فروردین 1386 تا تیر ماه 1...

کالا های اساسی آرد، روغن نباتی و شکر به دلیل اهمیت در الگوی مصرفی خانوار و کاربرد های گوناگون و فراوان آنها همواره مورد حمایت دولت ها می باشند. براساس قیمت ها مصرف کنندگان تصمیمات مصرفی و تولید کنندگان نوع تولیدات خود را معین می نمایند. در این مطالعه ابتدا با استفاده از مدل حداقل مربعات دو مرحله ای توابع عرضه و تقاضا بطور همزمان برآورد گردید. با استفاده از ضرایب به دست آمده از تخمین توابع عرضه ...