روش های متداول برای تحلیل مدل های اتورگرسیو غیرخطی بر فرض نرمال بودن خطاها بنا نهاده شده است، این در حالی است که در بسیاری از کاربردها، مانده ها ساختاری غیرنرمال را نشان می دهند و استفاده از این روش ها به پیش یینی های گمراه کننده و غیرقابل اعتماد منجر می شود. همچنین در أکثر
روش های متداول برای تحلیل مدل های اتورگرسیو غیرخطی بر فرض نرمال بودن خطاها بنا نهاده شده است، این در حالی است که در بسیاری از کاربردها، مانده ها ساختاری غیرنرمال را نشان می دهند و استفاده از این روش ها به پیش یینی های گمراه کننده و غیرقابل اعتماد منجر می شود. همچنین در این شرایط روش های پارامتری و ناپارامتری در برآورد تابع رگرسیون غیرخطی از کارایی لازم برخوردار نیستند. در این مقاله ، مدل اتورگرسیو غیرخطی مرتبه ی اول با خطاهای وابسته و چوله نرمال معرفی و یک روش نیمه پارامتری برای برآورد قسمت غیرخطی مدل پیشنهاد شده است. پارامترهای مدل با استفاده از روش ماکسیمم درستنمایی و با به کارگیری الگوریتم EM برآورد شده اند.کارایی مدل پیشنهادی با استفاده از یک مطالعه شبیه سازی و تحلیل یک مجموعه داده واقعی مربوط به داده های روزانه نرخ برابری یورو به دلار ، مورد بررسی قرار گرفته است.
تفاصيل المقالة
در اقتصاد جهانی، نفت خام از جمله مهمترین کالاهای استراتژیکی محسوب می‌شود که تاثیر به­ سزایی بر عملکرد بازارهای منطقه‏ای و بین‌الملی دارد. پیش‌بینی قیمت نفت در جهان همواره بحث مهم و چالش برانگیزی در اقتصاد جهانی بوده است و تولیدکنندگان و مصرف­کنندگان آن هموا أکثر
در اقتصاد جهانی، نفت خام از جمله مهمترین کالاهای استراتژیکی محسوب می‌شود که تاثیر به­ سزایی بر عملکرد بازارهای منطقه‏ای و بین‌الملی دارد. پیش‌بینی قیمت نفت در جهان همواره بحث مهم و چالش برانگیزی در اقتصاد جهانی بوده است و تولیدکنندگان و مصرف­کنندگان آن همواره در تلاش بوده­اند نقش خود را در تغییر قیمت نفت افزایش دهند و اوپک نیز سال­هاست که یکی از بازیگران این عرصه­ی اقتصادی شده است. نفت به­عنوان یکی از مهمترین منابع تأمین مالی بودجه­ی کشورهای عضو اوپک محسوب مـی­شـود. نوسانات قیمت نفت، یکی از عوامل اصلی بسیاری از بحران­های اقتصادی در میان این کشـورها می­باشد. با استفاده از مدل­های آماری می‌توان عملکرد پیش‌بینی قیمت نفت را به صورت چشم­گیری بهبود بخشید و نتایجی با خطای کم­تر و دقت بیش‌تر به­دست آورد. از این­رو، در این مقاله از مدل اتورگرسیو خطی جز‌ئی با روش براورد نیمه­پارامتری، برای پیش‌بینی قیمت نفت استفاده شده است.
تفاصيل المقالة
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 ا أکثر
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 بینی مقادیر بپردازند. اما نتایج حاصل از این مدلها نیز معمولا به دلیل گستردگی بازه پیش بینی نمی تواند چندان قابل اتکا باشد. بنابراین محققین سعی بر ارائه روشی دارند که بتواند علاوه بر استفاده از مزایای هر دو روش، معایب آنها را نیز بکاهد. لذا در این مقاله، مدل ترکیبی میانگین متحرک خودرگرسیون انباشته فازی (FARIMA) به منظور پیش بینی قیمت جهانی نفت خام پیشنهاد شده است. یافته ها بیانگر بهبود نتایج در روش پیشنهادی می باشند.
تفاصيل المقالة
در این مقاله یک نمایه جدید به منظور تشخیص خودکار شدت بیماری آصم با استفاده از پردازش سیگنالهای کپنوگرام ارائه شده است. تحقیقات انجام گرفته در گذشته نشان دهنده ارتباط مهمی بین کپنوگرام و بیماری آصم بوده است .هرچند، اغلب آن تحقیقات از روشهای پردازشی حوزه زمان اسفاده کرده أکثر
در این مقاله یک نمایه جدید به منظور تشخیص خودکار شدت بیماری آصم با استفاده از پردازش سیگنالهای کپنوگرام ارائه شده است. تحقیقات انجام گرفته در گذشته نشان دهنده ارتباط مهمی بین کپنوگرام و بیماری آصم بوده است .هرچند، اغلب آن تحقیقات از روشهای پردازشی حوزه زمان اسفاده کرده بوده و بر این فرضیه استوار بودند که کپنوگرام یک سیگنال ایستان است. در این تحقیق با استفاده از ضرائب پیش بینی خطی (LPC) و روش مدلینگ اتورگرسیو (AR Modelling-Burg Method) سیگنالهای کپنوگرام مورد پردازش قرار گرفته‌اند. با استفاده از نتایج حاصل از این پردازش، تعداد شش ویژگی استخراج شده اند که با استفاده از روشهای آماری مانند ROC, توانایی‌های آنها برای تمایز بیماران آصمی از افراد سالم و همینطور قابلیت آنها برای تشخیص شدت بیماری آصم اثبات شده است. در ادامه با استفاده از به کار بردن این بردار ویژگی در یک شبکه عصبی GRBF, نمایه اشاره شده که همان خروچی این شبکه است، استخراج شده است. این نمایه یک عدد طبیعی بین 1 تا 10 میباشد (1 برای افراد سالم و10 نشان دهنده بیمار با شدت آصم ببسیار بالا) که متوسط تشخیص صحیح 90/15 % و خطای 9/85% را داراست. الگوریتم ارائه شده در این پژوهش بر آن دارد که روشی سریع و مقرون به صرفه برای کمک به متخصصان ارائه دهد، چراکه قادر است شدت بیماری آصم را به صورت سریع و خودکار رصد کند.
تفاصيل المقالة
در این مقاله با در نظر گرفتن بازار رقابت کامل، ابتدا به بیان فرمول قیمت گذاری اختیار مبادله استاندارد آمریکایی و اروپایی و اختیار مبادله توانی آمریکایی و اروپایی می پردازیم. سپس با هدف انتخاب توان مناسب افزایش دارایی های مورد مبادله به منظور محاسبه ارزش اختیار مبادله تو أکثر
در این مقاله با در نظر گرفتن بازار رقابت کامل، ابتدا به بیان فرمول قیمت گذاری اختیار مبادله استاندارد آمریکایی و اروپایی و اختیار مبادله توانی آمریکایی و اروپایی می پردازیم. سپس با هدف انتخاب توان مناسب افزایش دارایی های مورد مبادله به منظور محاسبه ارزش اختیار مبادله توانی دلار بر مبنای دارایی پایه طلا در آینده ای نزدیک، 501 داده از قیمت طلا و دلار در بازه ی زمانی اول فروردین 1391 تا اول تیر 1394 را با استفاده از سری زمانی و مدل های ARCH، GARCH ، GJR-GARCH، ARMA-GARCH مورد آزمون قرار می دهیم. آنگاه با در نظر گرفتن معیار های AIC و BIC و مقایسه میانگین خطای توان دوم مشاهدات و واریانس شرطی به دست آمده از مدل های مورد مطالعه و آزمون های کریستوفرسن و کوپیک مدل مناسب را برای پیش بینی بهتر رفتار قیمت طلا و دلار در آینده ای نزدیک و در نتیجه تحلیل توان افزایش هر دو دارایی طلا و دلار انتخاب می کنیم.
تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications
