یکی از موضوعات مهم از دیدگاه اقتصاددانان و محققان بازارهای مالی ارزیابی حافظه ی بلند مدت است. در بررسی حافظه ی بلند مدت، توجه به شکست های ساختاری (تغییرات ساختاری) دارای اهمیت است. تغییرات ساختاری، تغییراتی می باشند که بر اثر عوامل مختلفی همچون شوک ها به ساختار سری وارد شده و آن را تا حدودی دستخوش تغییراتی می کنند. با نادیده گرفتن تغییرات ساختاری یک سری ممکن است نتایج غیر واقعی در زمینه ی وجود ...

مطالعات پیشین درخصوص افزایش دقت پیش بینی بین روند متغیرهای کلان اقتصادی، به طور معمول بر پایه الگو های سری-زمانی یا الگو های اقتصادسنجی، استوار بوده اند. با وجود این، این الگو ها با محدودیت خطی بودن مواجه هستند و با غیرخطی بودن طبیعت دنیای واقعی سازگار نیستند. الگوی خودرگرسیونی میانگین متحرک انباشته یکی از پرکاربردترین الگو های خطی در سه دهه گذشته بوده است. در مطالعات اخیر سعی شده است تا پیش بی...

رواناب مانند بسیاری دیگر از متغیرهای هیدروکلیماتولوژیک از تغییرات فصلی که تحت تأثیر فرایندی تصادفی قرار دارد برخوردار می باشد. تحقیقات نشان داده است که مدل های استوکاستیک از مناسب ترین ابزارهای شبیه سازی متغیرهای تصادفی که دارای یک روند فصلی اند می باشد. در این مقاله ضمن تشریح نحوه توسعه مدل های سری زمانی، الگوهای استوکاستیک رواناب به صورت الگوی مرکب اتورگرسیو میانگین متحرک در مقاطع زمانی ماهان...

 یکی از موضوعات مهم در تحلیل داده‌های فضایی، پیش‌گویی مقدار نامعلوم کمیت مورد مطالعه در موقعیت‌های دلخواه بر اساس یکی از مدل‌های فضایی مانند اتورگرسیو فضایی یک‌طرفه، اتورگرسیو شرطی و میانگین متحرک است. در این مقاله ابتدا پارامترهای مدل (SAR(2,1 را به روش ماکسیمم درستنمایی برآورد کرده سپس فرمول‌هایی برای پیش‌گویی درون قلمرو داده‌ها (درون‌یابی) و خارج قلمرو داده‌ها (برون‌یابی) به‌دست آورده می‌شود...

با توجه به توانایی و قابلیت مدلهای ریاضی و آماری در پیش بینی متغیرها، در این تحقیق از سری زمانی arima و رگرسیونی از عوامل تاثیر گذار بر قیمت سهام جهت پیش بینی مقادیر آتی این متغیراستفاه شده است. از طرفی با وجود عوامل زیادو پیچیدگی ارتباطات بین آنها و ابهامها و عدم اطمینان های بازار، از مفهوم ضرایب فازی در مدل استفاده کرده ایم. برای آزمون مدل، از بین تمامی شرکتهای موجود در بورس اطلاعات هفتگی 1...

خشک سالی پدیده ای است که برای پیش بینی آن نمی توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می کنند با استفاده از مدل های پیشرفته دقت پیش بینی ها را افزایش دهند. در این زمینه، مدل های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل های هیبرید می توانند در دقت پیش بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل های اتورگرسیو میانگین متحرک تجمعی (arima)، شبکة عصبی مصنوعی مستقیم (dmsnn)، شبکة عص...

آگاهی از روند متغیرهای کلان اقتصادی همواره برای اقتصاددانان، برنامه¬ریزان و سیاست¬گذاران اهمیت بسیاری داشته است. از این¬رو، همواره سعی شده¬است که پیش¬بینی این متغیرها با کمترین خطای ممکن صورت بگیرد. هدف مطالعه حاضر، مقایسه مدل¬های پیش¬بینی تک¬متغیره شامل روش¬های اقتصادسنجی و شبکه¬های هوش¬مصنوعی برای پیش¬بینی رشد بخش کشاورزی ایران است. بدین منظور روش¬های، اقتصادسنجی مدل خودرگرسیون میانگین متحرک ...

اهمیت اقلیم و متغیرهای وابسته به آن در ابعاد مختلف زندگی بشری بر هیچ فردی پوشیده نیست. لزوم برنامه ریزی مدون و با دقت بالا برای دستیابی به بالاترین راندمان ها در زمینه های مختلف وابسته به اقلیم از جمله بیمه محصولات کشاورزی، اهمیت پیش بینی مقادیر متغیرهای اقلیمی را دو چندان می کند. از میان متغیرهای اقلیمی موثر بر فعالیت های کشاورزی، دما، بارندگی و سرعت باد، بدلیل تأثیر مستقیم بر تبخیر و تعرق و ن...

چکیده موضوع این پایان نامه مطالعه نمودارهای کنترل کیفیت یک و چند متغیره است که در آنها مشاهدات دارای نوعی خودهمبستگی هستند . هدف این پایان نامه تدارک مجموعه نسبتاً جامعی از نمودارهای کنترل مورد استفاده در فرآیندهای خودهمبسته یک و چند متغیره و تشریح زیر بنای نظری این نمودارهاو نشان دادن برخی قابلیت ها و نحوه عملکرد آنها با استفاده از مثال های شبیه سازی شده است . در فصل اول مطالب مقدماتی پیش نیا...

شبکه های عصبی مصنوعی‏، از جمله مد‎ل‎های ریاضی جدیدی هستند که با دقت بالا به مد‏‎ل‎بندی ساختار سر‏ی های زمانی غیرخطی می پردازند. مزیت این مدل ها در مقایسه با مدل های سری زمانی این است که نیاز به فرضیات محدود کننده نمی باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می باشد. برای این منظور با استفاده از روش های خودگردان، می توان دقت برآوردگرها را در ساختارهای پیچید...