نتایج جستجو برای: خانوادهی گارچ

تعداد نتایج: 394  

ژورنال: :مهندسی مالی و مدیریت اوراق بهادار 0

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...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده اقتصاد و علوم اجتماعی 1390

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...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده ریاضی 1390

مفهوم مثلث پذیری با اثبات قضیهی شور توسط ایزای شور در سال آغاز شد. در حالتی که فضا دارای بعد متناهی است، مثلثپذیری خانوادهای از تبدیلات خطی معادل است با وجود پایهای برای فضا بهطوریکه تمام تبدیلات خطی تحت این پایه دارای نمایش بالامثلثی باشند. در حالت بعد نامتناهی، فضاهای برداری به فضاهای باناخ مختلط، تبدیلات خطی به عملگرهای پیوسته و همچنین زیرفضاها به زیرفضاهای بسته تغییرخواهند یافت. خانوادهی ا...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده علوم 1393

مدلهای مارکوف پنهان، رابطه بین دو فرایند تصادفی را بیان می کنند: یکی فرایند مشاهده شده و دیگری فرایند پنهان که قابل دیدن نیست، ولی با استفاده از مجموعه فرایندهای تصادفی که دنباله مشاهدات را تولید می کنند، قابل تشخیص است. این مدلها به دو دلیل استفاده می شوند: دلیل اول این است که بتوان در مورد یک فرایند مشاهده نشده، براساس فرایند مشاهده شده، استنباط و یا پیش بینی ارایه نمود. دلیل دوم این است که ت...

سحر فرهمندی محمدرضا رستمی,

در این تحقیق فواید مدل­های گارچ چندمتغیره ی ­پارامتریک جهت محاسبه ارزش در معرض ریسک و اثرات سرریز بازده­ی قیمت نفت خام اوپک و نفت خام تگزاس غربی مورد بررسی قرار داده می­شود. ابتدا به برآورد ارزش در معرض ریسک با روش گارچ یک متغیره پرداخته می­شود سپس با در نظر گرفتن یک سبد دارایی با سهم مساوی از نفت اوپک و نفت تگزاس غربی به برآورد ارزش در معرض ریسک با توجه به اثر سرریز آن با استفاده از مدل گارچ چ...

ژورنال: :مجله تحقیقات اقتصادی 2010
پرویز سعیدی علی کوهساریان

رابطه‎ی بین بازده سهام و تورم مورد توجه بسیاری از محققان قرار گرفته، اما تاکنون در مورد آن یک نتیجه قطعی حاصل نشده است به همین دلیل از آن به عنوان معما یاد می شود. این رابطه به علت وجود نرخ های تورم از کشوری به کشور دیگر متفاوت است و ساختار اقتصادی مختلف نتایج متفاوتی ایجاد می کند. در این پژوهش روابط دو شاخص cpi (شاخص قیمت مصرف کننده) و ppi (شاخص قیمت تولید کننده) و بازده سهام در بازه ی زمانی ت...

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...

پایان نامه :دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده مدیریت 1393

موضوع اصلی تحقیق عبارت است بررسی نتایج بکارگیری مدل¬های شبکه عصبی مصنوعی و گارچ در پیش¬بینی شاخص بورس اوراق بهادار تهران. اهداف اساسی این تحقیق شامل 1- پیش¬بینی نوسانات شاخص با مدل wnn-garch.¬ 2-مقایسه نتایج حاصل از تخمین با مدل wnn-garch با نتایج حاصل از تخمین واریانس ناهمسانی شرطی خودرگرسیو گارچ و همچنین با شبکه عصبی مصنوعی بدون آنالیز موجک برای رسیدن به سیستمی بهینه در پیش¬بینی با کم¬ترین خط...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده علوم اجتماعی و اقتصادی 1392

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...

حسین سعیدی شاپور محمدی

در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید