مدل بندی و پیش بینی فرایندهای ترکیبی خودبرگشت میانگین متحرک و ناهمواریانس شرطی خودبرگشت کسری تلفیق یافته(arfima-figarch)

thesis
abstract

همبستگی بین مشاهدات در زمان های متفاوت در سری های زمانی، حافظه نامیده شده و اغلب بوسیله تابع خودهمبستگی اندازه گیری می شود. حافظه بلند مدت بدین معناست که مشاهدات با فاصله زیاد از هم، مانند مشاهدات نزدیک به هم، دارای وابستگی شدیدی می باشند. تابع خودهمبستگی فرآیندهای با حافظه بلند مدت به آرامی با نرخ هیپربولیک کاهش می یابد در حالی که این کاهش در فرآیندهای با حافظه کوتاه مدت به صورت نمایی است. در سال های اخیر مدل های اتورگرسیو میانگین متحرک تلفیق یافته کسری (arfima) به منظور تحلیل فرآیندهای با حافظه بلند مدت معرفی شده است که این مدل ها علیرغم مطلوبیت در برطرف کردن مشکل نامانایی در میانگین، به عنوان مدل هایی جهت برطرف نمودن نامانایی در میانگین و واریانس به طور همزمان کارا نمی باشند. به منظور برطرف کردن این مشکل، خانواده مدل های اتورگرسیو ناهمواریانس شرطی تلفیق یافته کسری (figarch) به صورت ترکیبی با مدل arfima معرفی می شوند. در ادامه، مدل های gar و arg، به عنوان مدل های با حافظه بلند مدت، با استفاده از روش های شبیه سازی، برای مقایسه با مدل arfima-figarch، مورد بحث و بررسی قرار می گیرند.

similar resources

شناسایی و برآورد پارامترهای فرآیند ناهمواریانس شرطی خود برگشت کسری تلفیق یافته (figarch)

چکیده تغییر پذیری یک معیار آماری برای نشان دادن میزان پراکندگی درآمد برای یک شاخص بازار است. در سری های زمانی مدل های ناهمواریانس شرطی از جمله مدل هایی می باشند که هدفشان توضیح این گونه از تغییرات است. در این پایان نامه نخست مدل ناهمواریانس شرطی خود برگشت کسری تلفیق یافته (figarch) برای کنترل حافظه بلند مدت در واریانس شرطی معرفی می شود. خاصیت حافظه بلند مدت به این مدل اجازه می دهد تا گزینه به...

برآورد فاصله‌یی شاخص‌های Cp‌m و Cp‌m‌k فرایندهای خودبرگشت به‌کمک روش بوت‌استرپ بلوکی حلقوی

شاخص‌های قابلیت فرایند، به‌عنوان معیارهای کمی عملکرد فرایند در راستای نیل به بهبود کیفیت، در صنعت کاربرد گسترده‌یی دارند. استقلال مشاهدات از متداول‌ترین مفروضات اغلب شاخص‌های قابلیت فرایند است اما در عمل، الگوهای همبستگی میان اطلاعات نمونه‌یی قابل کشف است که منجر به نقض فرض استقلال مشاهدات می‌شود. عدم تشخیص صحیح یک فرایند خودهمبسته ممکن است باعث اشتباه در تصمیم‌گیری و به بار آمدن خسارت‌های کیفی...

full text

پیش بینی جریان سالانه رودخانه با استفاده از مدل خودهمبسته تجمعی میانگین متحرک و رگرسیون فازی

رشد روزافزون جمعیت و محدودیت منابع آب سطحی در کشور، لزوم پیش‌بینی دقیق‌تر مقدار آورد رودخانه را به دلیل اهمیت در برنامه‌ریزی و مدیریت منابع آب از جمله بهره‌برداری از مخازن و طراحی سازه‌های کنترل سیلاب با استفاده از ابزارها و روش‌های نوین مدلسازی می‌طلبد. در این راستا، مدل‌های سری زمانی از دیرباز مورد توجه هیدرولوژیست‌ها بوده‌اند. هدف این تحقیق، ارزیابی کارآیی دو رهیافت کلی مدل سری زمانی و رگرسی...

full text

پیش بینی شاخص بازار سهام به وسیله مدل مارکوف پنهان و روش خوشه بندی کا میانگین

پیش‌بینی بازار سهام یک مسئله کلاسیک میباشد که تا کنون به طور گسترده ای به وسیله ابزار‌ها و مدل های مختلف مورد تجزیه و تحلیل قرار گرفته است.تغییرات روند بازار سهام ناشی از تقابل نیرو های عرضه و تقاضا و دیگر عوامل اقتصادی است. تکنیک های اماری سنتی برای توصیف روند های فصلی و نامانایی داده های قیمت در بازار سهام ناتوان هستند. مدل مارکوف پنهان یکی از ابزار های بسیار قدرت مند در پردازش فرایند های اتف...

full text

پیش بینی قیمت هفتگی نفت خام از طریق مدل ترکیبی ماشین بردار پشتیبان و خودرگرسیو میانگین متحرک انباشته

همواره پیش­بینی روند قیمت و نوسانات یکی از چالش­های پیش­روی معامله­گران در بازارهای بورس نفت بوده و پیش­بینی قیمت­ها به عنوان یک امر ضروری وکاربردی مطرح می­شود ولیکن باید پیش­بینی را مورد توجه قرار داد که با دقت بیشتری صورت گیرد و نسبت به نتایج واقعی مشاهده شده خطای کمتری داشته باشد. به منظور پیش­بینی قیمت هفتگی نفت خام برنت به عنوان یک نفت شاخص با توجه به دشوار بودن شناسایی دقیق الگو­های خطی و...

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 پیام نور - دانشگاه پیام نور استان تهران - پژوهشکده آمار

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023