برسی نقاط پرت در مدل های garch

thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده علوم ریاضی
author هدی کامرانفر
adviser رحیم چینی پرداز غلامعلی پرهام
Number of pages: First 15 pages
publication year 1389

abstract

بسیاری از سری های زمانی در عمل تحت تاثیر رویدادهای خارجی نظیر:اعتصاب ها، ظهور جنگ، بحران های سیاسی و غیره قرار می گیرند. نتیجه ی این پیشامدهای بازدارنده که نقاط پرت نامیده می شوند، ظهور مشاهدات تصنعی است که با سایر مشاهدات سری زمانی سازگاری ندارد. در این رساله نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در مدل های garch مورد بررسی قرار گرفته و جهت شناسایی نقاط پرت، اثرات آن ها در تعیین مدل و برآورد پارامترهای آن از شیوه ی تکرار چارلز و دارنی (2005)که برگرفته از شیوه ی تکرار درست نمایی چن و لیو (1993) است، استفاده شده است. سپس با توجه به روش های شبیه سازی، معیارهای لازم جهت شناسایی نقاط پرت به دست آمده است. در پایان با استفاده از داده های قیمت نفت سبک مربوط به بهمن 1376 تا فروردین 1389 که به صورت هفتگی جمع آوری شده اند، به شناسایی نقاط پرت پرداخته شده است. نتایج نشان می دهد که تمامی نقاط پرت مربوط به سال 1387 بوده که این مسئله تأیید کننده ی مسائل اقتصادی رخ داده در این بازه ی زمانی است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

تشخیص نقاط پرت در مدل رگرسیونی لیو

در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با ا...

full text

تشخیص نقاط پرت در مدل رگرسیونی لیو

full text

تا ثیر انواع مختلف نقاط پرت بر مدل

در این مقاله انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در سریهای زمانی معرفی و اثر آنها در تعیین مدل، برآورد پارامترها و باقیماندههای مدل مورد بررسی قرار گرفته است. در مطالعهای شبیهسازی، مدل (1و1) GARCH را در نظر گرفته و آن را با هر یک از نقاط پرت در نقطه زمانی خاصی ادغام کرده، سپس به بررسی و مقایسه تاثیر هر نوع نقطه پرت روی این مدل پرداخته شده است. در نهایت باقیماندهها با ...

full text

تشخیص نقاط پرت در مدل های arma

مشاهدات سری های زمانی گاهی اوقات تحت تأثیر پیشامدهایی نظیر: اعتصاب ها، ظهور جنگ، بحران های سیاسی و غیره قرار می گیرند. نتایج این پیشامدهای بازدارنده، به وجود آمدن مشاهداتی مصنوعی است که با بقیه ی مشاهدات در سر ی های زمانی، سازگاری ندارد. این قبیل مشاهدات را نقاط پرت می نامند. در این پایان نامه ابتدا روش آزمون دنباله ای را برای پیدا کردن نقاط پرت جمع پذیر و نوساز در مدل های arma به کار می بریم. ...

تشخیص و بررسی نقاط پرت در مدل های رگرسیون فازی

مدل های رگرسیونی برای برقراری ارتباط بین یک متغیر وابسته و تعدادی متغیر مستقل به کار می روند. برای ساختن این مدل ها نیاز به مشاهداتی از متغیرهای مورد مطالعه می باشد. در رگرسیون کلاسیک فرض می شود که این متغیرها و مشاهدات مربوط به آن ها دقیق هستند. ممکن است در یک بررسی مشاهدات مربوط به یک یا چند متغیر نادقیق باشند و یا نادقیق گزارش شده باشند. همچنین ممکن است که متغیرهای مورد مطالعه ذاتاً دارای ارت...

15 صفحه اول

تا ثیر انواع مختلف نقاط پرت بر مدل

در این مقاله انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در سریهای زمانی معرفی و اثر آنها در تعیین مدل، برآورد پارامترها و باقیماندههای مدل مورد بررسی قرار گرفته است. در مطالعهای شبیهسازی، مدل (1و1) garch را در نظر گرفته و آن را با هر یک از نقاط پرت در نقطه زمانی خاصی ادغام کرده، سپس به بررسی و مقایسه تاثیر هر نوع نقطه پرت روی این مدل پرداخته شده است. در نهایت باقیماندهها با حض...

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 چمران اهواز - دانشکده علوم ریاضی

Keywords

نقطه پرت نوساز نقطه پرت جمع پذیر نقطه پرت تغییر سطح نقطه پرت تغییرموقت

Hosted on Doprax cloud platform doprax.com