نتایج جستجو برای: مدل ARFIMA
تعداد نتایج: 120201 فیلتر نتایج به سال:
پیشبینی جریان آینده ی گردشگری ورودی برای تعیین مخارج سرمایه گذاری در صنعت گردشگری، هم برای بخش دولتی و هم برای بخش خصوصی، ضروری است. برای بخش دولتی و عمومی تخمین تقاضای گردشگری به منظور استفاده ی کارا از صنعت حمل ونقل و برنامه ریزی در نحوه ی تخصیص منابع حیاتی است. همچنین پیش بینی صحیح میتواند برای بخش خصوصی مانند شرکت های حمل ونقل هوایی در برنامه ریزی و طرح ریزی خطوط هوایی، تجهیزات، امکانات ر...
در این مقاله با استفاده از داده‌های روزانة شاخص کل بورس اوراق بهادار تهران در دورة زمانی 6/1/1382 تا 14/4/1386، به بررسی ویژگی حافظة بلند این شاخص پرداخته و مدل ARFIMA را بر آن برازش میدهیم. همچنین عملکرد پیشبینی مدل ARFIMA را با مدل ARIMA مقایسه میکنیم. نتایج نشان می‌دهند که اولاٌ این سری زمانی از نوع حافظة بلند است، بنابراین میتوان با تفاضلگیری کسری آن را مانا کرد. پارامتر تفاضلگیری ب...
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...
South Africa is a cornucopia of the platinum group metals particularly platinum and palladium. These metals have many unique physical and chemical characteristics which render them indispensable to technology and industry, the markets and the medical field. In this paper we carry out a holistic investigation on long memory (LM), structural breaks and stylized facts in platinum and palladium ret...
در این مقاله با استفاده از داده‌های روزانة شاخص کل بورس اوراق بهادار تهران در دورة زمانی 6/1/1382 تا 14/4/1386، به بررسی ویژگی حافظة بلند این شاخص پرداخته و مدل arfima را بر آن برازش میدهیم. همچنین عملکرد پیشبینی مدل arfima را با مدل arima مقایسه میکنیم. نتایج نشان می‌دهند که اولاٌ این سری زمانی از نوع حافظة بلند است، بنابراین میتوان با تفاضلگیری کسری آن را مانا کرد. پارامتر تفاضلگیری به...
یکی از روشهای مناسب در پیشبینی سری زمانی، تعمیم رفتار گذشته سری به آینده است. برای این منظور اولین قدم شناخت دقیق رفتار گذشته متغیر است. یکی از روشهای الگوسازی رفتار گذشته سری زمانی مدل خود توضیح جمعی میانگین متحرک (arima) است. در این پژوهش از مدل های arima و arfima برای پیشبینی قیمت هفتگی بنزین استفاده شد. همچنین پیشبینی مدل arima با پیش بینی مدل خود توضیح کسری جمعی میانگین متحرک (arfima)...
ARFIMA models generated an enormous amount of interest in the literature about three decades ago. However, this interest vaned after Granger (1999) showed that an ARFIMA process might have stochastic properties that do not mimic the properties of the data at all. The empirical results of our research in which we used exchange rate data for the analysis, show that a variant of an ARFIMA process ...
پژوهش حاضر وجود حافظه بلندمدت را در بورس اوراق بهادار تهران با کاربرد مدلهای GPH، GSP، ARFIMA و FIGARCH بررسی می‌کند. داده‌های مورد‌بررسی، حاوی بازده روزانه هستند و آزمون‌های حافظه بلندمدت، برای بازده و نیز برای نوسان سری TEPIX انجام‌شده‌است. نتایج مدلهای GPH، GSP و ARFIMA، وجود حافظه بلندمدت را در بازده سری نشان می‌دهند. همچنین نتایج اشاره بر‌این دارند که پویایی‌های حافظه بلندمدت در بازده و ...
این مقاله به بررسی عملکرد پیش بینی مدل های ARIMA و ARFIMA با استفاده از داده‌های 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 نرم‌افزار 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...
پیش بینی متغیرهای اقتصادی از اهمیت ویژه ای در مباحث اقتصادی برخوردار است و مدل های مختلفی جهت پیش بینی مقادیر آتی متغیرها به وجود آمده اند. یکی از مهمترین کارکردهای مدل های اقتصادی، پیش بینی مقادیر آتی متغیرهای اقتصادی می باشد. در حقیقت مدل های اقتصادی را می توان از طریق بررسی میزان دقت پیش بینی مورد آزمون قرار داد. بدین صورت که اگر یک مدل اقتصادی در تبیین روابط موجود بین متغیرها موفق باشد، با...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید