مدل های رژیم-تبدلی در سری های زمانی مالی

thesis
abstract

چکیده ندارد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

برآورد احتمال تغییر وضعیت رفتار سری های زمانی مالی با مدل اتورگرسیو تبدلی مارکف

در این مقاله، با استفاده از احتمال های تغییر وضعیت m-دوره بعد زنجیر مارکف، احتمال تغییر وضعیت رفتار نوسان های در این مقاله روشی برای برآورد احتمال تغییر وضعیت سری های زمانی مالی توسط مدل اتورگرسیو تبدلی مارکوف پیشنهاد شده است. سپس با استفاده از این مدل، رفتار نوسان های نرخ ارز به دو رژیم نرخ تغییرات کم و زیاد مدل بندی شده است. نتایج پیش بینی نشان می دهد که احتمال ماندگاری در رژیم ها رو به کاهش...

full text

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...

برآورد احتمال تغییر وضعیت رفتار سری های زمانی مالی با مدل اتورگرسیو تبدلی مارکف

در این مقاله، با استفاده از احتمال های تغییر وضعیت m-دوره بعد زنجیر مارکف، احتمال تغییر وضعیت رفتار نوسان های در این مقاله روشی برای برآورد احتمال تغییر وضعیت سری های زمانی مالی توسط مدل اتورگرسیو تبدلی مارکوف پیشنهاد شده است. سپس با استفاده از این مدل، رفتار نوسان های نرخ ارز به دو رژیم نرخ تغییرات کم و زیاد مدل بندی شده است. نتایج پیش بینی نشان می دهد که احتمال ماندگاری در رژیم ها رو به کاهش ...

full text

کاربرد مدل های مارکوف پنهان در سری های زمانی مالی

مدل های مارکوف پنهان، مدل هایی هستند که در آن ها توزیعی که مشاهدات را تولید می کند به حالاتی از یک فرآیند مارکوف غیر قابل مشاهده بستگی دارد. به همین دلیل، آن ها را مدل های مارکوف پنهان نامیده اند. اغلب، در سری های زمانی مالی با پدیده بی ثباتی واریانس روبرو هستیم. بیشتر محققان، از مدل های اتورگرسیو ناهمگن شرطی تعمیم یافته(garch)، به منظور پیش بینی تغییرپذیری برای زمان های آتی استفاده می کنند. ...

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

full text

مقایسه مدل گزینی بیزی بر اساس روش mcmc و سری های زمانی مالی (مدل گارچ)

یکی از شیوه­های تجزیه و تحلیل داده های مالی و بررسی چگونگی تغییرات آن ها در طی زمان معین در گذشته و پیش بینی چگونگی رخداد آن ها در آینده استفاده از مدل های سری های زمانی است. در مباحث مالی به دلیل نا هم واریانس بودن مشاهدات موجود، نمی توان از مدل های سری های زمانی کلاسیک استفاده کرد. در این حالت، یکی از مدل های متداول، مدل های نوع گارچ[i] (garch) است که نشان دهنده رده وسیعی از مدل های اقتصادسن...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید بهشتی - دانشکده علوم ریاضی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023