در این پایان نامه یک الگوریتم انعطاف پذیر از روشهای سیستم استنتاج فازی مبتنی بر شبکه های یادگیرنده، شبکه های عصبی، تعمیم اتورگرسیو مشروط واریانس متغیروتحلیل واریانس برای بهبود مدلسازی، تخمین و پیش بینی مصارف کوتاه مدت و میان مدت (روزانه و ماهانه) برق در ایران ارائه شده است. این الگوریتم انعطاف پذیر بین روشهای مختلف مورد استفاده، روش با کمترین خطای نسبی را برای انجام پیش بینی استفاده می کند. ساخ...

یکی از شیوه­های تجزیه و تحلیل داده های مالی و بررسی چگونگی تغییرات آن ها در طی زمان معین در گذشته و پیش بینی چگونگی رخداد آن ها در آینده استفاده از مدل های سری های زمانی است. در مباحث مالی به دلیل نا هم واریانس بودن مشاهدات موجود، نمی توان از مدل های سری های زمانی کلاسیک استفاده کرد. در این حالت، یکی از مدل های متداول، مدل های نوع گارچ[i] (garch) است که نشان دهنده رده وسیعی از مدل های اقتصادسن...

در پژوهش حاضر چارچوبی متشکل از سه مدل ناهمسانی واریانس شرطی گارچ(garch)،شبکه عصبی مصنوعی-گارچ (nn-garch) و شبکه عصبی مصنوعی موجکی-گارچ (wnn-garch) به منظور پیش بینی نوسانات بازدهی شاخص کل بورس اوراق بهادار ارائه شده است.نتایج نشان می دهد که استفاده از شبکه عصبی مصنوعی پیشخور با الگوریتم پس انتشار برای تخمین مدل ناهمسانی واریانس شرطی گارچ به دلیل عدم نیاز این مدل به مفروضاتی همچون نوع تابع توزیع...

با توجه به موضوع مهم بحران مالی و اثرات مهم این مسأله بر بورس اوراق بهادار تهران، بر آن شدیم تا تحقیقی در مورد اثرات بحران مالی غرب بر بورس اوراق بهادار تهران انجام دهیم و میزان اثرات آن و استمرار نوسانات را بصورت کمّی بیان کنیم. بدین منظور در این تحقیق از اطلاعات سری زمانی 16/01/1384 تا 18/08/1388 و متدولوژی آرچ و گارچ و الگوریتم icss جهت بررسی اهداف فوق استفاده شده است. هدف اصلی این پژوهش بررس...

در مطالعات پیشین برای مدل‌سازی بازده مالی، از نرمال ترکیبی و همین‌طور فرایند مارکوف به ‌طور مجزا، استفاده‌ شده بود. در این تحقیق مدل نرمال ترکیبی به حالت مارکوف-نرمال ترکیبی گسترش یافته است و وزن‌های ترکیبی در هر وضعیت متغیر با زمان و تابعی از مشاهدات گذشته در نظر گرفته ‌شده‌اند و به‌ این ‌ترتیب محدودیت ثابت بودن وزن‌ها مرتفع گردیده است. پارامترهای مدل پیشنهادی با استفاده از استنتاج بیزین تخمین...

یکی از شیوه­های تجزیه و تحلیل داده‌های مالی و بررسی چگونگی تغییرات آن‌ها در طی زمان معین در گذشته و پیش‌بینی چگونگی رخداد آن‌ها در آینده استفاده از مدل‌های سری‌های زمانی است. در مباحث مالی به‌دلیل نا‌هم‌واریانس بودن مشاهدات موجود، نمی‌توان از مدل‌های سری‌های زمانی کلاسیک استفاده کرد. در این حالت، یکی از مدل‌های متداول، مدل‌های نوع گارچ[i] (GARCH) است که نشان‌دهنده رده وسیعی از مدل‌های اقتصادسن...

این مقاله از مدل­های گارچ و گارچ چند متغیره جهت برآورد ارزش در معرض خطر سبد سرمایه­گذاری شامل سکه و شاخص بورس اوراق بهادار از ابتدای سال 2008 تا ابتدای سال 2014 استفاده می­نماید. سه رویکرد کلی؛  روش­های پارامتریک، ناپارامتریک و نیمه پارامتریک در تخمین ارزش در معرض خطر وجود دارد. در میان روش­های پارامتریک، روش­های ناهمسانی واریانس نتایج بهتری ارائه می­نمایند. از آنجایی که نوسانات میان بازارهای م...

در این مطالعه مجموعه ای از مدل های مختلف گارچ (garch) معمول با مجموعه مدل های گارچ چرخشی مارکف sw-garch مقایسه می شود. این مقایسه ها در بخش های قدرت برازش این دو دسته مدل ، قدرت پیش بینی و میزان پایداری یا نوسان پذیری این مدل ها می باشد.در این رساله مدل های گارچ و گارچ چرخشی مارکف برای پیش بینی نوسانات بازار بورس اوراق بهادار تهران در افق های پیش بینی 1 ، 5، 10 و 22 روزه به کار گرفته شده است. ب...

با توجه به موضوع مهم بحران مالی و اثرات مهم این مسأله بر بورس اوراق بهادار تهران، بر آن شدیم تا تحقیقی در مورد اثرات بحران مالی غرب بر بورس اوراق بهادار تهران انجام دهیم و میزان اثرات آن و استمرار نوسانات را بصورت کمّی بیان کنیم. بدین منظور در این تحقیق از اطلاعات سری زمانی 16/01/1384 تا 18/08/1388 و متدولوژی آرچ و گارچ و الگوریتم ICSS جهت بررسی اهداف فوق استفاده شده است. هدف اصلی این پژوهش بررس...

وجود روش های مناسب پیش بینی روندهای آینده بازار سرمایه منجر به تصمیم گیری های بهتری از جانب فعالان این بازارها خواهد شد. اغلب به دلیل ماهیت غیر خطی و آشوب گونه بازارهای مالی مدل های کلاسیک پیش بینی عملکرد مطلوبی نداشته و اطلاعات موجود در داده ها با گذشت زمان به سرعت از بین رفته و در این صورت استفاده از آن ها در بلند مدت مفید نخواهد بود ]1، ص 64[. هدف این مقاله به کار بردن الگوریتم بهینه سازی ک...