کاربرد تبدیل موجک هار در پیش بینی داده های سری زمانی مالی بر اساس مدل سری زمانی arima

thesis
abstract

این تحقیق قصد دارد تا میزان توانایی تبدیل موجک هار (haar) را در پیشبینی دادههای سریزمانی مالی مورد ارزیابی قرار دهد. بههمین منظور دادههای بورس نزدک را از سایت یاهو فاینانس انتخاب کرده و سریزمانی بازدهی این دادهها را ابتدا توسط مدل garch پیشبینی، و نتایج را ثبت کرده ایم و سپس همان سری دادهها را با استفاده از تبدیل موجک هار (haar) تبدیل و با استفاده از مدل arima این دادههای تبدیل یافته را نیز، پیشبینی کرده ایم. سپس نتایج بدست آمده از این دو روش را با هم مقایسه کرده، و روشی را که نتایج بهتری ارائه میدهد، مشخص کرده ایم. به این صورت که برای هر روش، میانگین مربعات خطا (mse) یا مجذور میانگین مربعات خطا (rmse) و همچنین میانگین خطای مطلق (mae) را با هم مقایسه و روش مطلوبتر را شناسایی کرده ایم. کلمات کلیدی: سریزمانی مالی (financial time series) ، پیشبینی (forecasting) ، مدل arima ، تبدیل موجک هار (haar wavelet)

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

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

کاربرد مدل شبکه عصبی- موجک برای پیش بینی ویژگی های غیرایستا و غیرخطی سری زمانی تراز آب زیرزمینی

سفره ‏های آب زیرزمینی غالباً به عنوان سیستم ‏هایی با ویژگی ‏های غیرایستا و غیرخطی شناخته می ‏شوند. مدل‏ سازی این سیستم ‏ها و پیش ‏بینی حالت ‏های آینده آن ‏ها نیازمند تشخیص این ویژگی‏ های بنیادی است. اخیراً، آنالیز موجک به دلیل توانایی آن در رمزگشایی ویژگی‏ های اشاره‏ شده، به طور گسترده ‏ای در زمینه پیش ‏بینی سری‏ های زمانی هیدرولوژیکی مورد استفاده قرار گرفته ‏است. در این مقاله توانایی مدل ترکیبی ...

full text

برآورد تقاضای سیمان در ایران با تاکید بر مدل های پیش بینی سری زمانی

full text

کاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل ARMA برای پیش بینی سری زمانی

برای پیش‏بینی سری ‏زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل ARMA سری ‏زمانی، چالشی است که علاوه بر روش‏های متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای مدل ARMA و قواعد کشفی برای تعیین ابعاد مدل ارائه می‏شود. قواعد کشفی بر‌اساس ویژگی‏های سری ‏زمانی استخراج می‏شوند. داده...

full text

بررسی و پیش بینی وضع آلاینده های هوای شهر کرمان با مدل سری های زمانی

  Anderson, H.R., 2009. Air pollution and mortality: A history. Atmospheric Environment, 43, pp. 142-152 .   Box, GEP. and Jenkins, G.M., 1976. Time series analysis: forecasting and control, San Francisco, Holden Day Pulications .   Duenas, C., Fernandez, M.C., Canete, S., Carretero,Liger E, 2005. Stocastic model to forecast ground level ozone concentration at urban and rural areas . Chemospher...

full text

ارائه روشی برای پیش بینی پایدار سری های زمانی با کاربرد در مسائل مالی با استفاده از روش Robust

به منظور مدل‌سازی و تخمین مناسب و قابل اعتماد پارامترها در مدل‌های داده­های خودهمبسته، از رویکردهای پایداراستفاده می­شود. وجود داده‌‌های پرت و آلودگی‌ها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، داده‌های گذشته بر داده­های اخیر اثرگذار هستند، این داده‌ها معمولاً در قالب سری زمانی مدل­سازی می‌شوند. در این تحقیق، مدل­های خود رگرسیون به عنوان یکی از مدل­های مط...

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 شیخ بهایی - دانشکده ریاضی و کامپیوتر

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023