نتایج جستجو برای: مدل های خانواده garch
تعداد نتایج: 524677 فیلتر نتایج به سال:
به دلیل اهمیت پیش بینی متغیرهای کلان اقتصادی امروزه اکثر دولت ها و بانک های مرکزی در اتخاذ و اجرای سیاست هایشان علاوه بر توجه بر وضع موجود، پیش بینی های کوتاه مدت و بلند مدت متغیرهای اصلی اقتصاد را در نظر می-گیرند. در این میان شاخص های بازار بورس به دلیل تلاطم بسیار زیاد بر روند آن بیشتر مورد توجه قرار می گیرد. تحقیقات زیادی در قالب تحلیل سری زمانی شاخص های بازار بورس در طی سال های گذشته در ایر...
یکی از ویژگی های کشورهای توسعه یافته، وجود بازارهای مالی کارآمد است که ضمن ایفای نقش مهم در اقتصاد این کشورها زمینه ساز رشد اقتصادی و توسعه این کشورها نیز هستند. در طول سالهای اخیر بازارهای مالی جهان همواره با نوسانات و نااطمینانی های قابل توجهی مواجه بوده اند. به نحوی که عدم اطمینان موجود در ارتباط با بازده دارایی های سرمایه گذاری شده، بسیاری از سرمایه گذاران و تحلیل گران مالی را نگران ساخته ا...
در سالهای اخیر، توسعه‌ی پردازنده‌های کامپیوتری موجب معرفی الگوریتم‌های جدیدی برای پیش‌بینی دادههای مالی شده است که یکی از این الگوریتم‌ها، یادگیری ماشین (Machine Learning) است. از اینرو در پژوهش حاضر به معرفی یک مدل ترکیبی از شبکه یادگیری عمیق (Deep Learning) و مدل‌های منتخب خانواده GARCH جهت پیش‌بینی کوتاه‌مدت بازدهی روزانه شاخص کل بورس اوراق بهادار تهران پرداخته می‌شود. مهمترین ویژگی شبکه ی...
و arima-garch ،garch ،arima هدف اصلی در مقاله حاضر مقایسه دقت پیش بینی چهار مدلدر تخمین و پیش بینی شاخص قیمت بورس اوراق بهادار تهران )تپیکس( است. برای این منظور، state spaceداده های روزانه 1 بهمن سال 1389 تا 30 بهمن سال 1392 به عنوان درون داده و 1 اسفند 1392 تا 30 اردیبهشت1393 به عنوان برون داده، استفاده شده اند. از طرفی دیگر، برای بررسی بیشتر و افزایش دقت پیش بینی مدل هایمذکور برای شاخص تپیکس ...
ﯾﮑﯽ از ﻣﻬﻢﺗﺮﯾﻦ ﻣﻮﺿﻮﻋﺎت ﺑﺎزارﻫﺎی ﻣﺎﻟﯽ در دﻫﻪﻫﺎی اﺧﯿﺮ پیش بینی ﺑﻮده اﺳﺖ. ﻣﻬﻢﺗـﺮﯾﻦ ﻫـﺪف اﯾـﻦ ﺗﺤﻘﯿـﻖ، پیش بینی نوسانات قیمت آتی سکه طلا در بورس کالای ایران است. در این تحقیق اقدام به برآورد و پیش‌بینی چهار دسته مدل‌های گارچ متقارن (GARCH) گارچ نمایی، FIGARCHو گارچ چند رژیمه با سه نوع توزیع نرمال، توزیع T و توزیع GED پرداخته شده است. بر اساس خطای مدل در پیش بینی نوسانات کاراترین مدل جهت پیش ب...
We propose a new model for volatility forecasting which combines the Generalized Dynamic Factor Model (GDFM) and the GARCH model. The GDFM, applied to a large number of series, captures the multivariate information and disentangles the common and the idiosyncratic part of each series of returns. In this financial analysis, both these components are modeled as a GARCH. We compare GDFM+GARCH and ...
در طول سالیان گذشته استفاده از فرآیند¬های Markov-switching (MS) جهت مدل¬نمودن دینامیک غیرخطی تلاطم سری¬های زمانی مالی به دلیل انعطاف¬پذیری آن در لحاظ ساختارهای مختلف برای داده¬ها به طور قابل ملاحظه¬ای افزایش یافته است. فرض متداول توزیع بازده، نرمال می-باشد در حالی که تحقیقات نشان داده است سری¬های زمانی مالی دارای چولگی معناداری نیز می¬باشند که چشم¬پوشی از آن می¬تواند منجر به خطا در پیش¬بینی که ...
The autoregressive conditional heteroskedasticity (ARCH) and generalized autoregressive conditional heteroskedasticity (GARCH) models take the dependency of the conditional second moments. The idea behind ARCH/GARCH model is quite intuitive. For ARCH models, past squared innovations describes the present squared volatility. For GARCH models, both squared innovations and the past squared volatil...
چکیده: هدف مقاله حاضر بررسی اثر نا اطمینانی قیمت نفت بر بازارهای مالی ایران(نرخ ارز، قیمت سکه و شاخص قیمت سهام) با استفاده از داده های سری زمانی برای دوره زمانی 1384 الی 1392 است. برای انجام الگوسازی در مورد تأثیر نااطمینانی قیمت نفت بر شاخص سهام، نرخ ارز و قیمت طلا از مدل های arch و garchو برای آزمون اثر نا اطمینانی قیمت نفت بر این بازارها، از روش خود رگرسیون برداری(var) استفاده شده است. نتایج...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید