برسی نقاط پرت در مدل های garch

پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده علوم ریاضی
نویسنده هدی کامرانفر
استاد راهنما رحیم چینی پرداز غلامعلی پرهام
تعداد صفحات: ۱۵ صفحه ی اول
سال انتشار 1389

چکیده

بسیاری از سری های زمانی در عمل تحت تاثیر رویدادهای خارجی نظیر:اعتصاب ها، ظهور جنگ، بحران های سیاسی و غیره قرار می گیرند. نتیجه ی این پیشامدهای بازدارنده که نقاط پرت نامیده می شوند، ظهور مشاهدات تصنعی است که با سایر مشاهدات سری زمانی سازگاری ندارد. در این رساله نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در مدل های garch مورد بررسی قرار گرفته و جهت شناسایی نقاط پرت، اثرات آن ها در تعیین مدل و برآورد پارامترهای آن از شیوه ی تکرار چارلز و دارنی (2005)که برگرفته از شیوه ی تکرار درست نمایی چن و لیو (1993) است، استفاده شده است. سپس با توجه به روش های شبیه سازی، معیارهای لازم جهت شناسایی نقاط پرت به دست آمده است. در پایان با استفاده از داده های قیمت نفت سبک مربوط به بهمن 1376 تا فروردین 1389 که به صورت هفتگی جمع آوری شده اند، به شناسایی نقاط پرت پرداخته شده است. نتایج نشان می دهد که تمامی نقاط پرت مربوط به سال 1387 بوده که این مسئله تأیید کننده ی مسائل اقتصادی رخ داده در این بازه ی زمانی است.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تشخیص نقاط پرت در مدل رگرسیونی لیو

در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با ا...

متن کامل

تشخیص نقاط پرت در مدل رگرسیونی لیو

متن کامل

تا ثیر انواع مختلف نقاط پرت بر مدل

در این مقاله انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در سریهای زمانی معرفی و اثر آنها در تعیین مدل، برآورد پارامترها و باقیماندههای مدل مورد بررسی قرار گرفته است. در مطالعهای شبیهسازی، مدل (1و1) GARCH را در نظر گرفته و آن را با هر یک از نقاط پرت در نقطه زمانی خاصی ادغام کرده، سپس به بررسی و مقایسه تاثیر هر نوع نقطه پرت روی این مدل پرداخته شده است. در نهایت باقیماندهها با ...

متن کامل

تشخیص نقاط پرت در مدل های arma

مشاهدات سری های زمانی گاهی اوقات تحت تأثیر پیشامدهایی نظیر: اعتصاب ها، ظهور جنگ، بحران های سیاسی و غیره قرار می گیرند. نتایج این پیشامدهای بازدارنده، به وجود آمدن مشاهداتی مصنوعی است که با بقیه ی مشاهدات در سر ی های زمانی، سازگاری ندارد. این قبیل مشاهدات را نقاط پرت می نامند. در این پایان نامه ابتدا روش آزمون دنباله ای را برای پیدا کردن نقاط پرت جمع پذیر و نوساز در مدل های arma به کار می بریم. ...

تشخیص و بررسی نقاط پرت در مدل های رگرسیون فازی

مدل های رگرسیونی برای برقراری ارتباط بین یک متغیر وابسته و تعدادی متغیر مستقل به کار می روند. برای ساختن این مدل ها نیاز به مشاهداتی از متغیرهای مورد مطالعه می باشد. در رگرسیون کلاسیک فرض می شود که این متغیرها و مشاهدات مربوط به آن ها دقیق هستند. ممکن است در یک بررسی مشاهدات مربوط به یک یا چند متغیر نادقیق باشند و یا نادقیق گزارش شده باشند. همچنین ممکن است که متغیرهای مورد مطالعه ذاتاً دارای ارت...

15 صفحه اول

تا ثیر انواع مختلف نقاط پرت بر مدل

در این مقاله انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در سریهای زمانی معرفی و اثر آنها در تعیین مدل، برآورد پارامترها و باقیماندههای مدل مورد بررسی قرار گرفته است. در مطالعهای شبیهسازی، مدل (1و1) garch را در نظر گرفته و آن را با هر یک از نقاط پرت در نقطه زمانی خاصی ادغام کرده، سپس به بررسی و مقایسه تاثیر هر نوع نقطه پرت روی این مدل پرداخته شده است. در نهایت باقیماندهها با حض...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}

نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده علوم ریاضی

کلمات کلیدی

نقطه پرت نوساز نقطه پرت جمع پذیر نقطه پرت تغییر سطح نقطه پرت تغییرموقت

میزبانی شده توسط پلتفرم ابری doprax.com