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 ...

بر اساس فرضیه بازار کارا قیمت ها در بازار سهام از فرآیند گشت تصادفی پیروی می کند. در چنین بازاری اطلاعات به سرعت در بازار منتشر می شوند و بر قیمت سهام تاثیر می گذارند. بنابراین بازده سهام را نمی توان بر اساس تغییرات گذشته قیمت ها پیش بینی کرد. از این رو بخش بزرگی از نظریه های مالی، بر مبنای فرآیند گام تصادفی برای قیمت و بازده دارایی ها توسعه یافته است.حافظه بلندمدت یکی از نواقض بازار کارآ است ک...

این پژوهش، به آزمون پایداری تورم در ایران اختصاص یافته است. برای این منظور، با توجه به سری زمانی داده های نرخ تورم ایران  (1390 – 1351)، از الگوی خود رگرسیونی میانگین متحرک انباشته کسری، استفاده شده است. نتایج حاصل از این تحقیق نشان می دهند که بر اساس روش های حداکثر درست نمایی و حداکثر درست نمایی تعدیل شده، درجه انباشتگی یا تفاضل گیری به ترتیب 482/0d1= و483/0d2=هستند. بنابراین بر اساس یافته های...

قیمت نفت می تواند با اثرگذاری بر سایر منغیرهای اقتصادی، اقتصاد کشورهای جهان را تحت تاثیر قرار دهد. پیچیدگی ذاتی موجود در آن، باعث شده که این متغیر رفتاری آشوبناک از خود نشان دهد و این مسئله محققین را جهت ارائه پیش بینی دقیق با مشکلاتی مواجه کرده است. تاکنون مدلهای مختلفی جهت این امر ارائه شده است. در این میان مدل های فازی قادرند در شرایط عدم اطمینان و تعداد داده های کم نتایج قابل قبولی را از خو...

یکی از موضوعات مهم از دیدگاه اقتصاددانان و محققان بازارهای مالی ارزیابی حافظه ی بلند مدت است. در بررسی حافظه ی بلند مدت، توجه به شکست های ساختاری (تغییرات ساختاری) دارای اهمیت است. تغییرات ساختاری، تغییراتی می باشند که بر اثر عوامل مختلفی همچون شوک ها به ساختار سری وارد شده و آن را تا حدودی دستخوش تغییراتی می کنند. با نادیده گرفتن تغییرات ساختاری یک سری ممکن است نتایج غیر واقعی در زمینه ی وجود ...

آگاهی از روند متغیرهای کلان اقتصادی همواره برای اقتصاددانان، برنامه¬ریزان و سیاست¬گذاران اهمیت بسیاری داشته است. از این¬رو، همواره سعی شده¬است که پیش¬بینی این متغیرها با کمترین خطای ممکن صورت بگیرد. هدف مطالعه حاضر، مقایسه مدل¬های پیش¬بینی تک¬متغیره شامل روش¬های اقتصادسنجی و شبکه¬های هوش¬مصنوعی برای پیش¬بینی رشد بخش کشاورزی ایران است. بدین منظور روش¬های، اقتصادسنجی مدل خودرگرسیون میانگین متحرک ...

پیش‌بینی شاخص قیمت بازار سهام به علت تاثیرپذیری آن از بسیاری عوامل اقتصادی و غیراقتصادی همواره امری مهم و چالش برانگیز بوده، به طوری که انتخاب بهترین و کارآمدترین مدل به منظور پیش‌بینی آن امری دشوار می‌باشد. از طرفی سری‌های زمانی دنیای واقعی، برای مثال سری زمانی شاخص قیمت سهام، به ندرت دارای ساختاری کاملاً خطی و یا غیرخطی است. مدل‌های هموارسازی نمایی، میانگین متحرک خودرگرسیون انباشته (آریما) و ش...

در این مطالعه الگوی جدید استنتاجی- تطبیقی فازی- عصبیِ (anfis) معرفی و کارایی آن در پیش بینی سه افق زمانی 1، 2 و 4 هفته ی آتیِ قیمت خرده فروشی برنج، گوشت مرغ و تخم مرغ با الگوی arima- به عنوان رایج ترین روش خطی پیش بینی اقتصاد سنجی-  مقایسه شد. برای این منظور از داده های هفته ای گردآوری شده از شرکت پشتیبانی امور دام و فروشگاه رفاه کل کشور (مربوط به دوره ی 1/4/1387- 1/1/1381) و معیارهای ارزیابی کار...

سیاست گذاران پولی به منظور جلوگیری از زیان های ناشی از تغییرات از هم گسیخته نرخ ارز، همواره درصددیافتن روشی مناسب برای پیش بینی نرخ ارز بوده اند. لیکن ویژگیهای چند بعدی نرخ ارز باعث رفتار پیچیده وغیرخطی آن شده است. یکی از روش های سنتی پی بینی، تجزیه و تحلیل سری زمانی است که بر دو فرض ایستاییو خطی بودن بنیان نهاده شده است. در مورد عملکرد این مدل های سنتی بعضاٌ تردیدهای ایجاد شده است. یکی ازروش ها...

نرخ ­­ارز و نوسانات آن به عنوان یکی از مهمترین مسائل بخش بازرگانی خارجی هر کشور از اهمیت ویژه­ای برخوردار است. عوامل زیادی همچون عوامل اقتصادی، سیاسی، و روانی بر نرخ ارز تاثیرگذار هستند و این عوامل خود باعث ایجاد شرایط نااطمینانی بیشتر می­شوند. در این راستا تلاش سیاست­گذاران در کاهش این نااطمینانی از طریق پیش­بینی این متغیر باکمترین خطا بوده است. شبکه­های عصبی مصنوعی از قابلیت بالایی در مدلسازی...