با توجه به کاربردهای متفاوت سری های زمانی gps در مباحث ژئودتیکی و ژئوفیزیکی مانند بررسی حرکات تکتونیک، حرکات ایزوستاتیک یخبندان، تغییر شکل پوسته زمین، دینامیک زلزله و غیره نیاز است که سری های زمانی با دقت بالا تقریب گردند. سری های زمانی gps ممکن است شامل یک روند خطی، حرکات متناوب با فرکانس های سالیانه و نیم سالیانه (سیگنال ها)، آفست های احتمالی و یکسری رفتارهای دیگر تحت عنوان نویز باشند. کشف صح...

  سابقه و هدف: مطالعه‌‌ای که موقعیت تکرار عضو‌های نمونه، نقاط زمانی باشند را مطالعه ‌طولی نامیده می شودم (Longitudinal study) . مطالعه ‌پنلی (Panel study) ‌ دسته‌ای از مطالعه طولی است که با ترکیب داده‌‌های مقطعی و سری زمانی، چند اتفاق را در چند دوره‌ زمانی مورد بررسی قرار می‌دهد و جایگاه خاصی در مطالعات پزشکی از جمله کارآزمایی بالینی دارد. ‌در‌ این مقاله ابتدا ماهیت داده‌های پنلی، انواع مدل‌بند...

به کارگیری سیستم های غیرخطی پویا در تحلیل سری های زمانی اقتصادی، مدت هاست که مورد توجه اقتصاددانان قرار گرفته است. سیستم های غیرخطی پویا، رفتارهای مختلفی را از خود بروز می دهند، که می تواند در توجیه بسیاری از پدیده های اقتصادی که به نظر تصادفی می آیند، به کار گرفته شود. در این مقاله، راهکاری ارایه شده است، که براساس آن می توان تابع پویای خاصی را برای مدل سازی سری زمانی مفروضی به کار گرفت. ابتدا...

شبکه‌های عصبی مصنوعی‏، از جمله مد‎ل‎های ریاضی جدیدی هستند که با دقت بالا به مد‏‎ل‎بندی ساختار سر‏ی‌های زمانی غیرخطی می‌پردازند. مزیت این مدل‌ها در مقایسه با مدل‌های سری زمانی این است که نیاز به فرضیات محدود کننده نمی‌باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می‌باشد. برای این منظور با استفاده از روش‌های خودگردان، می‌توان دقت برآوردگرها را در ساختارهای پیچید...

پیش بینی جریان های نقدی عملیاتی بر اساس الف : سری جریان های نقدی عملیاتی گزارش شده و یا ب: سایر سری های زمانی به عنوان جایگزین جریان های نقدی عملیاتی انجام می شود. سری های جایگزین، به طور معمول، الگوریتم های ساده ای از اجزای صورتهای مالی هستند. تحقیقات نشان میدهد، ویژگی ها و توان پیش بینی سری های زمانی گزارش شده و جایگزین های آن متفاوت است؛ لذا روایی خارجی تحقیقاتی که بر اساس جایگزین ها انجام م...

مهم ترین مسأله برای بررسی رفتار یک سری زمانی برازش مدل مناسب به آن می باشد. در مدل بندی کلاسیک، استفاده از فرآیندهای arma به همراه نوفه های سفید با واریانس متناهی در نظر گرفته می شود و انتخاب مدل با تاکید بر روی رفتار تابع خودهمبستگی نمونه ای آن انجام می گیرد. اما داده هایی نیز وجود دارند که توزیع کناری دم سنگین برازنده آنهاست . رفتار این داده ها و آنالیز آنها با سری های زمانی دیگر تفاوت عمده ا...

به منظور مدل سازی و تخمین مناسب و قابل اعتماد پارامترها در مدل های داده­های خودهمبسته، از رویکردهای پایداراستفاده می­شود. وجود داده های پرت و آلودگی ها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، داده های گذشته بر داده­های اخیر اثرگذار هستند، این داده ها معمولاً در قالب سری زمانی مدل­سازی می شوند. در این تحقیق، مدل­های خود رگرسیون به عنوان یکی از مدل­های مطر...

یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین با توجه به تغییرات سریع در محیط های واقعی و به ویژه سیستم های اقتصادی و مالی، پیش بینی در این گونه...