روش¬های پیش بینی سری های زمانی مالی براساس مدل¬های اتورگرسیو میانگین متحرک انباشته (arima) و واریانس ناهمسان شرطی اتورگرسیو (arch) ویژگی حافظه بلند¬مدت و وجود شکست¬های ساختاری را در مدل¬سازی در نظر نمی¬گیرند. جهت رفع مشکل حافظه بلند¬مدت از فرآیندهایی نظیر مدل اتورگرسیو میانگین متحرک انباشته کسری (arfima) و مدل واریانس ناهمسان شرطی اتورگرسیو تعمیم یافته انباشته کسری (figarch) استفاده می¬شود. ولی...

این مقاله به بررسی عملکرد پیش بینی مدل های arima و arfima با استفاده از داده های روزانه بازده شاخص کل سهام تهران در بازه زمانی 04/09/1380 تا 09/09/1390 می پردازد. در این راستا جهت تخمین پارامتر d و دیگر پارامترها، از روشnls  در بسته نرم افزار oxmetric/pcgive  استفاده شد و پس از مقایسه نتایج مدل­های تحقیق؛ مدل arfima بر اساس معیار aic مدلی برتر در مدل سازی tepix مشخص گردید. همچنین از میان براورد...

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 ...

در دنیای امروز به کارگیری روشهای کمی پیش بینی در زمینه های مختلف مورد توجه گسترده قرار گرفته است. تغییرات سریع محیطهای ناشناخته در دنیای واقعی و به ویژه بازارهای مالی سبب ایجاد مشکلاتی برای پیش بینی کنندگان به منظور تأمین داده های مورد نیاز شده است. مدلهای میانگین متحرک خود رگرسیون انباشته (arima) دارای محدودیت تعداد داده های گذشته بوده و شبکه-های عصبی مصنوعی (anns) نیز به منظور حصول نتایج دقیق...

چکیده: با توجه به اهمیت استفاده از گاز طبیعی به عنوان یکی از منابع مهم تامین انرژی کشور و باعنایت بدین مسئله که سهم عمده ای از مصرف گاز طبیعی در بخش خانگی می باشد پرداختن به موضوع مدل سازی و پیش بینی مصرف گاز در حوزه فوق الذکر از اهمیت ویژه ای برخوردار است. امروزه به علت عدم قطعیت محیط و توسعه سریع تکنولوژی نوین معمولاً باید موقعیت های آینده را با استفاده از داده های کم و در بازه زمانی کوتاه م...

قیمت نفت می تواند با اثرگذاری بر سایر منغیرهای اقتصادی، اقتصاد کشورهای جهان را تحت تاثیر قرار دهد. پیچیدگی ذاتی موجود در آن، باعث شده که این متغیر رفتاری آشوبناک از خود نشان دهد و این مسئله محققین را جهت ارائه پیش بینی دقیق با مشکلاتی مواجه کرده است. تاکنون مدلهای مختلفی جهت این امر ارائه شده است. در این میان مدل های فازی قادرند در شرایط عدم اطمینان و تعداد داده های کم نتایج قابل قبولی را از خو...

مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...

مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...

این پژوهش، به آزمون پایداری تورم در ایران اختصاص یافته است. برای این منظور، با توجه به سری زمانی داده های نرخ تورم ایران  (1390 – 1351)، از الگوی خود رگرسیونی میانگین متحرک انباشته کسری، استفاده شده است. نتایج حاصل از این تحقیق نشان می دهند که بر اساس روش های حداکثر درست نمایی و حداکثر درست نمایی تعدیل شده، درجه انباشتگی یا تفاضل گیری به ترتیب 482/0d1= و483/0d2=هستند. بنابراین بر اساس یافته های...