کاربرد روش پنجره لغزان برای انتخاب ساختار شبکه عصبی با تاخیر زمانی در پیش‌بینی سری‌های زمانی مالی

کاربرد روش پنجره لغزان برای انتخاب ساختار شبکه عصبی با تاخیر زمانی در پیش بینی سری های زمانی مالی

چکیده شبکه عصبی با تاخیر زمانی، یک ابزار مدل سازی برگرفته از محاسبات هوشمند است که در کنار روش های کلاسیک برای پیش بینی سری های زمانی مالی بکار گرفته می شود. این مدل اغلب در مواردی که از سری زمانی داده های فراوان، اما از ساختار مدل اطلاعات محدود وجود دارد، استفاده می شود، از این رو انتخاب ساختار و ارزیابی آن خود یک چالش است.در این مقاله یک مدل مبتنی بر شبکه عصبی با تاخیر زمانی برای پیش بینی مع...

فاصله اطلاعاتی و کاربرد آن در سریهای زمانی

  In this paper a new method is introduced for studying time series of complex systems. This method is based on using the concept of entropy and Jensen-Shannon divergence. In this paper this method is applied to time series of billiard system and heart signals. By this method, we can diagnose the healthy and unhealthy heart and also chaotic billiards from non chaotic systems . The method can al...

رویکردی جدید برای تخمین پارامتر حافظه بلندمدت در سریهای زمانی مالی

هنگامی که مشاهدات گذشته با آینده دور همبستگی بالایی داشته و رابطه آن ها غیرقابل چشمپوشی استسری زمانی موردمطالعه دارای ویژگی حافظه بلندمدت است. سنجش وجود حافظه بلندمدت در یک سری زمانیکاربردهای فراوانی در حوزههای مختلف مالی دارا میباشد و روشهای مختلفی برای تخمین آن شکل گرفتهاست که هر یک از این روشها از نواقصی برخوردار میباشد. رویکر بوتسترپ که در این مقاله برای محاسبهپارامتر حافظه بلندمدت به کار گ...

تجزیه و تحلیل سریهای زمانی تصادفی به روش قطع تراز

  Level crossing is a powerful method for analyzing the random time series. In this paper by introducing this method we investigate the beta noises and represent differences between 1/f noise and white noise and also research the cardiac heart interbeat interval (RR) time series and find clear distinctions between healthy samples and samples with Congestive heart failure (CHF) disease.

آزمون سریهای زمانی مدلهای رشد درونزا

مدل رژیم تبدلی برای سریهای زمانی غیرخطی مالی

یکی از مباحث علم آمار بررسی داده های سری زمانی است. مشاهداتی از داده های مختلف که در طول زمان به دست می آیند، یک سری زمانی را تشکیل می دهند که این سری زمانی می تواند به صورت خطی یا غیرخطی باشد. در دو دهه ی اخیر، شـاهد رشد سریع مدل های سری زمانی غیرخطی بوده ایم. البتـه مدل هـای غیرخطی نیز مدل های ایده آلی نبوده و محدودیت های خاص خود را دارند. مدل مارکوف تبدّلی که توسط همیلتون در سـال 1989 مطرح شد...