پیش‌بینی شاخص قیمت بازار سهام به علت تاثیرپذیری آن از بسیاری عوامل اقتصادی و غیراقتصادی همواره امری مهم و چالش برانگیز بوده، به طوری که انتخاب بهترین و کارآمدترین مدل به منظور پیش‌بینی آن امری دشوار می‌باشد. از طرفی سری‌های زمانی دنیای واقعی، برای مثال سری زمانی شاخص قیمت سهام، به ندرت دارای ساختاری کاملاً خطی و یا غیرخطی است. مدل‌های هموارسازی نمایی، میانگین متحرک خودرگرسیون انباشته (آریما) و ش...

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 ...

عوامل زیادی بر قیمت نفت خام تأثیر می­گذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیش­بینی این متغیر از طریق مدل­های چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدل­های تک متغیری روش مناسبی باشد. در این مدل­ها از حافظه تاریخی متغیر برای مدل­سازی و پیش­بینی استفاده می­شود. اما یکی از محدودیت­های مدل­ه...

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...

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 ...

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...

پیش بینی از ابزارها و راهکارهای موثر به منظور برنامه ریزی و تدوین روش های مالی است. دقت پیش بینی از مهم ترین عوامل موثر در انتخاب روش پیش بینی است. امروزه با وجود روش های متعدد پیش بینی، هنوز پیش بینی دقیق نرخ ارز کار چندان ساده ای نیست و اکثر محققان درصدد به کارگیری و ترکیب روش های متفاوت به منظور دستیابی به نتایج دقیق تر هستند. الگوهای خودرگرسیون میانگین متحرک انباشته یکی از مهم ترین و پرکارب...

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 ...

پیش‏بینی نوسانات سطح آب‏زیرزمینی، برای مدیریت و استفاده از منابع آبی به ویژه در مناطق خشک و نیمه‏خشک امری ضروری است. در تحقیق حاضر برای پیش‏بینی نوسانات سطح آب‏زیرزمینی در دشت ارومیه از مدل‏های سری‏زمانی استفاده شد. جهت بررسی نرمال بودن و ایستایی داده¬ها به‏ترتیب از آزمون چولگی و adf استفاده گردید. سپس با حذف عوامل ناایستایی، سری¬ سطح آب‏زیرزمینی ایستا ‏شد و مدل‏های مختلف سری زمانی بر داده‏های ...

این مطالعه با هدف معرفی الگوهای مطلوب پیش بینی برای قیمت گازوییل در بازار انرژی سنگاپور به عنوان بازار مؤثر بر قیمت گازوییل در خاورمیانه انجام شد. داده های مورد استفاده به صورت هفتگی و شامل دوره (2010-1987) می باشد. پیش بینی ها برای 10، 20 و 30 درصد داده ها صورت گرفت. الگوهای مورد استفاده برای پیش بینی شامل چهار الگوی شبکه عصبی و یک الگوی رگرسیونی (خودرگرسیون میانگین متحرک) بود. شبکه های منتخب ...