تجزیه و تحلیل سری های زمانی شمارشی‎‎‏، در سال های اخیر رشد و توسعه بسیاری پیدا کرده است. در این تحقیق، مسئله پیش بینی سری های زمانی مقدار صحیح، به وسیله مدل بندی فرآیندinar ‎‎ضمن بررسی ‎‎خواص نظری و کاربردهای عملی مدل ‎در گرفته شده است.‎ ‎‎‎‎روش بیزی برای بدست آوردن پیش بینی نقطه ای و فاصله ای برای مقادیر آینده فرآیند استفاده شده و با پیش بینی کلاسیک آنها مقایسه می گردد. روش های پیشنهادی، با...

پژوهش های متداول در زمینه رگرسیون های پیشگو، حالتی را بررسی می کنند که در آن به ازای هر t، متغیر yt به وسیله متغیر xt-1 پیش بینی می شود، وقتی که {xt} ساختار ar(1) دارد. با وجود این، ممکن است سری های پیشگویی وجود داشته باشند که ساختار اتورگرسیو آن ها با مرتبه بزرگ تر از 1 باشند. مسأله موجود در این مدل ها، اریبی برآوردگرهای حداقل مربعات معمولی ضرایب شیب، تحت برخی شرایط است. در این پایان نامه مدل...

یکی از مسائل مهم پیش بینی وضع آینده سیستم یا فرایندهایی است که با گذشت زمان در حال تغییرند. در چنین شرایطی علاوه بر متغیرها امکان دارد پارامترها نیز در حال تغییر باشند و از این رو فرض استقلال برای پارامترها و متغیرها از بین می رود. برای تحلیل چنین سیستمی معمولا از مدل های خطی پویای تعمیم یافته استفاده می شود. هدف این مقاله، به کارگیری مدل های خطی پویای تعمیم یافته بیزی در تحلیل ساختارهای گسسته ...

بیشتر روش های تحلیل مدل های سری های زمانی بر پایه فرض همسانی واریانس ها بنا شده اند، در حالی که این فرض در بسیاری از موارد به ویژه در تحلیل داده های اقتصادی ممکن است برقرار نباشد و بنابراین نیاز به مدل هایی است که شرط ناهمسانی واریانس را در نظر گیرند. انگل [11] در سال 1982 برای اولین بار مدل اتورگرسیو شرطی ناهمسان واریانس (arch) را معرفی کرد و به بررسی خواص آن پرداخت. این مدل در زمینه های علمی ...

در اوایل سال 1381 اعمال سیاست یکسان سازی نرخ ارز موجب کاهش شدید ارزش اسمس ریال ایران در برابر هر دلار امریکا شد. لذا به علت وجود تغییرات ناگهانی و بزرگ نمی توان از سریهای زمانی خطی برای مدل بندی نوسان های نرخ تغییرات ریال ایران در برابر دلار امریکا استفاده نمود. در این مقاله مدل اتورگرسیو استانه ای خود محرک و مدل اتورگرسیو تبدلی مارکف مورد مقایسه قرار گرفته و نشان داده خواهد شد که تنها مدل اتور...

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...

پیش بینی قیمت سهام یکی از چالش برانگیزترین وظایف برای سرمایه گذاران مالی در سراسر جهان است. این چالش به علت عدم اطمینان و نوسانات قیمت سهام در بازار است. اگرچه تحلیل گران بازار سهام روش های متعددی را برای پیش بینی قیمت سهام مورد استفاده قرار می دهند و همچنین تلاش های تحقیقاتی متعددی نیز برای افزایش دقت پیش بینی قیمت سهام صورت گرفته اما هیچ روشی برای پیش بینی دقیق قیمت سهام کشف نشده است. هدف اصل...

در این مقاله، با استفاده از احتمال های تغییر وضعیت m-دوره بعد زنجیر مارکف، احتمال تغییر وضعیت رفتار نوسان های در این مقاله روشی برای برآورد احتمال تغییر وضعیت سری های زمانی مالی توسط مدل اتورگرسیو تبدلی مارکوف پیشنهاد شده است. سپس با استفاده از این مدل، رفتار نوسان های نرخ ارز به دو رژیم نرخ تغییرات کم و زیاد مدل بندی شده است. نتایج پیش بینی نشان می دهد که احتمال ماندگاری در رژیم ها رو به کاهش ...

در این مقاله انواع مدل های اتورگرسیو برای تحلیل داده های فضایی بیان شده و پارامترهای مدل ها با ماکسیمم کردن تابع درستنمایی نیمرخ با فرض آن که بین متغیرهای وابسته یا خطاهای مدل رابطه اتورگرسیو فضایی  برقرار باشد، برآورد شده است. سپس مدل های مختلف مورد ارزیابی قرار گرفته و در انتها نحوه کاربست آنها در مثالی کاربردی نشان داده شده است