روش هم انباشتگی یکی از روشهای مفید برای بررسی و تحلیل همبستگی های کوتاه مدت و بلند مدت در میان متغیرهای اقتصادی است که در سال 1987 توسط انگل و گرنجر معرفی شد . آزمون های هم انباشتگی روشی برای بررسی پارامترهای بلند مدت یا تعادلی در ارتباط با متغیرهای ریشه واحد یا نامانا هستند.چون اغلب متغیرهای اقتصادی در سطح خود مانا نیستند ، پیش شرط استفاده از اغلب روش های هم انباشتگی نامانا بودن متغیرها است . ...

سری های زمانی متعددی وجود دارند که مدل های خطی مرسوم برای آن ها چندان مناسب نیست. از جمله می توان به سری های زمانی دوره ای با دوره تناوب نامنظم و نامعلوم اشاره کرد. مدل های خطی برای مدل سازی این سری ها ناکارآمد است. بخصوص مدل های خطی در بحث آینده نگری این مدل ها، حافظه لازم برای بخاطر سپردن دوره های نامنظم را ندارند. در سال های اخیر مطالعه ی مدل های سری زمانی غیرخطی مورد توجه قرار گرفت و مدل ها...

بررسی رابطه حجم معاملات، تغییر قیمت و بازده سهام از موضوعاتی است که از سال 1959 تا کنون مورد توجه شدید محققان مالی و اقتصادی قرار داشته است. بورس اوراق بهادار و بازار سرمایه در ایران بازار جوانی است و گاها دیده شده است که خیلی از مبادله گران جزء در بازار سرمایه از حرکات حجم معاملات و یا تغییرات قیمت برای تصمیمات آنی و کوتاه مدت خود چشم پوشی نمی کنند و تغییرات قیمت و حجم معاملات را ناشی از اخبار...

داده های فضایی که در زمان های متوالی به دست آیند، داده های فضایی-زمانی و اگر این داده ها در طول زمان مستقل باشند، داده های پانلی فضایی نامیده می شوند. برای مدل بندی این داده ها لازم است همبستگی فضایی یا فضایی-زمانی آن ها، به نحوی لحاظ شود. با فرض اینکه بین متغیرهای وابسته یا خطاهای مدل رابطه اتورگرسیو برقرار باشد، می توان همبستگی فضایی یا فضایی-زمانی را در مدل بندی مشاهدات لحاظ کرد. یک مسئله مو...

مدل هاى پیش ‏بینى باکس- جنکینز یکى از معروف‏ ترین مدل هاى سری هاى زمانى است که در پیش‏ بینى پدیده‏ هاى مختلف جغرافیایى اهمیت بسزایى دارد. در روش‏شناسى باکس - جنکینز مدل هاى سرى زمانى در واقع مدل هاى تلفیقى اتورگرسیو و میانگین متحرک مى‏ باشند که در آمار به مدل هاى ARIMA(1) معروف هستند. از مدل هاى  ARIMA مى‏ توان مدل هاى متعددى چون مدل رگرسیون ساده و چند متغیره، اتورگرسیو، میانگین متحرک، مدل هاى ...

تحلیل سری های زمانی شمارشی در سال های اخیر رشد و توسعه ی بسیاری پیدا کرده است. این سری ها اغلب بیش پراکنده هستند و مدل اتورگرسیو ناهمواریانس شرطی تعمیم یافته ی شمارشی قادر به توصیف فر‎‎آیندهای شمارشی بیش پراکنده و‎ ‎ناهمسان‎ در واریانس می باشد. ‎ ‎این تحقیق سریهای زمانی شمارشی با بیش پراکندگی و وجود مشاهداتی با مقادیر بزرگ را مورد بحث قرار می دهد. ‎‎ ‎به‎ علت عملکرد ضعیف مدل اتورگرسیو ناهمو...

روش¬های پیش بینی سری های زمانی مالی براساس مدل¬های اتورگرسیو میانگین متحرک انباشته (arima) و واریانس ناهمسان شرطی اتورگرسیو (arch) ویژگی حافظه بلند¬مدت و وجود شکست¬های ساختاری را در مدل¬سازی در نظر نمی¬گیرند. جهت رفع مشکل حافظه بلند¬مدت از فرآیندهایی نظیر مدل اتورگرسیو میانگین متحرک انباشته کسری (arfima) و مدل واریانس ناهمسان شرطی اتورگرسیو تعمیم یافته انباشته کسری (figarch) استفاده می¬شود. ولی...

بیش تر سری های زمانی به ویژه سری های اقتصادی در عمل‎‎ دارای نوسان هستند. تحلیل سری های زمانی متعارف مانند، مدل اتورگرسیو و میانگین متحرک یا تلفیق یافته این دو مدل بر پایه همسانی واریانس ها هستند. منطقی آن است که از مدل هایی استفاده شود که، شروط ناهمسانی را در مدل های قبلی در نظر بگیرند. یک خانواده مهم در این مدل ها، خانواده مدل های اتورگرسیو واریانس ناهمسان شرطی‎‎ (arch) است که به خوبی نوسانات ...