اثرات نقاط دورافتاده در شناسایی و برآورد مدل های garch

thesis
abstract

در این تحقیق تأثیر نقاط دورافتاده در شناسایی ناهم واریانسی شرطی و برآورد مدل های تعمیم یافته ی اتورگرسیو ناهم وایانس شرطی (garch) مورد بررسی قرار می گیرد. نخست، تقریب اریبی تابع خودهمبستگی نمونه ای مربوط به توان دوم مشاهدات، تولید شده به وسیله فرآیندهای مانا، به دست آمده و نشان می دهیم که خواص آزمون های هم واریانس شرطی به دلیل وجود نقاط دورافتاده متأثر می گردد. سپس، تقریب اریبی های نمونه ای متناهی برآوردگر حداقل مربعات معمولی (ols) برای مدل های arch(p) به دست می آید. نتایج نمونه ای متناهی به برآوردگرهای تعمیم یافته ی حداقل مربعات (gls) و ماکسیمم درستنمایی (ml) مربوط به مدل های arch(p) و garch(1,1) ، تعمیم می یابد.

similar resources

شناسایی نقاط دورافتاده در داده های نرمال بر اساس مقادیر Z اصلاح شده مشاهدات

در این مقاله، به دلیل اهمیت و گستردگی استفاده از توزیع نرمال، نمونه های مبتنی بر این توزیع در نظر گرفته شده، با استفاده از مقادیر برش وابسته به حجم نمونه، نقاط دورافتاده آنها شناسایی می شوند. برای به دست آوردن مقادیر برش بهینه یک مسا له تصمیم مطرح و به روشی کمبیشینه (مینیماکس) حل می گردد. در حل این مسا له از روش شبیه سازی بهره گرفته شده است .

full text

شناسایی نقاط دورافتاده در داده های چوله

چکیده برای تشخیص داده های منظم از داده های دورافتاده می توان از فواصل ماهالانوبیس استفاده کرد و با محاسبه ی مقدار برش بر مبنای توزیع فواصل بدست آمده، نقاط دورافتاده را تشخیص داد اما این در صورتی است که فرض نرمال بودن داده ها برقرار باشد لذا درمورد داده های نامتقارن این روش کارآمد نمی باشد. ازجمله روشهایی که برای تشخیص داده های دورافتاده در توزیع های چوله استفاده می شود. رسم نمودارجعبه ای تعد...

15 صفحه اول

برسی نقاط پرت در مدل های garch

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...

15 صفحه اول

شناسایی نقاط دورافتاده در داده های نرمال بر اساس مقادیر z اصلاح شده مشاهدات

در این مقاله، به دلیل اهمیت و گستردگی استفاده از توزیع نرمال، نمونه های مبتنی بر این توزیع در نظر گرفته شده، با استفاده از مقادیر برش وابسته به حجم نمونه، نقاط دورافتاده آنها شناسایی می شوند. برای به دست آوردن مقادیر برش بهینه یک مسا له تصمیم مطرح و به روشی کمبیشینه (مینیماکس) حل می گردد. در حل این مسا له از روش شبیه سازی بهره گرفته شده است .

full text

رگرسیون با انقباض نقاط دورافتاده

در آمار از جمله ابزار مهم برای تحلیل داده ها برآورد مناسب یک تابع است که روش های مختلفی برای آن در حالت های پارامتری و ناپارامتری ارائه شده است. یکی از معروف ترین روش ها در برآورد توابع پارامتری، روش کمترین توان های دوم عادی است که در شرایط مطلوب از مزیت های زیادی برخوردار است. با این وجود یک نقطه ضعف بسیار مهم این روش تاثیرپذیری آن از نقاط دورافتاده ای است که خواسته یا ناخواسته در مجموعه ی مشا...

15 صفحه اول

تعیین نقاط دورافتاده ، مشاهدات با نفوذ و برآورد نیرومند برای مولفه های اصلی

تجزیه مولفه های اصلی یکی از روشهای چندمتغیره است که هدف آن یافتن ترکیباتی از ‏‎p‎‏ متغیر ‏‎xp,...,x2,x1‎‏ جهت ایجاد شاخصهای غیرهمبسته ‏‎zp,...,z2,z1‎‏ می باشد که این شاخصها به ترتیب بیشترین تغییرات را شامل می شوند.

15 صفحه اول

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 پیام نور - دانشگاه پیام نور استان تهران - دانشکده علوم پایه

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023