Time series

دسترسی آزاد مقاله

1 - تحلیل خوشه‌ای جایگاه ایران در جهان و روندهای آتی مبتنی بر مولفه‌های حکمرانی خوب
منا آهنی مرتضی موسی خانی رضا نجف بیگی محمدعلی افشارکاظمی

مطالعه و بررسی حکمرانی خوب و کیفیت نهادهای حکومتی بحثی است که در دهه ی 90 میلادی آغاز شد. حکمرانی خوب که شامل شش مولفه: کنترل فساد، اثربخشی دولت، ثبات سیاسی و فقدان خشونت، کیفیت قوانین و مقررات، حاکمیت قانون، حق اظهار نظر و پاسخگویی است، الگویی برای توسعه محسوب می گردد. چکیده کامل

مطالعه و بررسی حکمرانی خوب و کیفیت نهادهای حکومتی بحثی است که در دهه ی 90 میلادی آغاز شد. حکمرانی خوب که شامل شش مولفه: کنترل فساد، اثربخشی دولت، ثبات سیاسی و فقدان خشونت، کیفیت قوانین و مقررات، حاکمیت قانون، حق اظهار نظر و پاسخگویی است، الگویی برای توسعه محسوب می گردد. در این مطالعه، از ارزیابی و آمارهای بانک جهانی بر روی شاخص های شش گانه حکمرانی خوب که هر سال یکبار منتشر می گردد، برای تحلیل 186 کشور جهان، استفاده گردید. هدف از این پژوهش، بررسی وضعیت کشورها بر مبنای حکمرانی خوب و تعیین جایگاه ایران در بین دیگر کشورها، با استفاده از تکنیک خوشه بندی؛ و تحلیل روند جایگاه ایران در افق زمانی 2021 با استفاده از تحلیل سری زمانی است. با بکارگیری روش خوشه بندی کشورهای جهان بر مبنای حکمرانی خوب و دفعات هم خوشه شدن ایران با دیگر کشورها تفکیک شدند و سپس از بین روش های سری زمانی با استفاده از روش هموارسازی نمایی به شیوه ARIMA برای پیش بینی شاخص های شش گانه حکمرانی خوب و چگونگی وضعیت کشور در پنج سال آینده مورد بررسی قرار گرفت. یافته های پژوهش نشان می دهد در افق زمانی 2021 شاخص پاسخگویی در کشور مسئله مند خواهد بود و شاخص حاکمیت قانون و کنترل فساد تقریباً بدون تغییر باقی می ماند و از طرفی، روند بقیه شاخص ها بهبود مختصری را نشان می دهند پرونده مقاله

دسترسی آزاد مقاله

2 - توسعه کابرد مدل های باکس جنکینز ،شبکه عصبی مصنوعی و تعدیل نمایی در پیش بینی و مدیریت پدیده های اجتماعی (مطالعه موردی: پیش بینی روند ازدواج و طلاق در استان ایلام)
محمدرضا امیدی نبی امیدی اردشیر شیری رحمت اله محمدی پور

روش‌های پیش‌بینی و آینده پژوهی یکی از ابزارهای مهم در اختیار مدیران و کارشناسان برای اخذ تصمیمات راهبردی وصحیح است. با وجود توسعه روش های پیش بینی ، ولی کمتر به کاربرد این روش ها در پیش بینی پدیده های اجتماعی مانند ازدواج، طلاق و رشد جمعیت پرداخته شده است.در این تحقیق ب چکیده کامل

روش‌های پیش‌بینی و آینده پژوهی یکی از ابزارهای مهم در اختیار مدیران و کارشناسان برای اخذ تصمیمات راهبردی وصحیح است. با وجود توسعه روش های پیش بینی ، ولی کمتر به کاربرد این روش ها در پیش بینی پدیده های اجتماعی مانند ازدواج، طلاق و رشد جمعیت پرداخته شده است.در این تحقیق با استفاده از سری زمانی تعداد ازدواج و طلاق در استان ایلام بین سال های 1371 تا 1392 به پیش بینی این مقادیر با استفاده از مدل های باکس و جنکینز ،شبکه عصبی مصنوعی و تعدیل نمایی برای سال های آتی پرداخته شده است.نتایج تحقیق نشان داد که دقت پیش بینی مدل باکس جنکینز برای پیش بینی تعداد ازدواج و شبکه‌های عصبی برای پیش بینی تعداد طلاق بیشتر از سایر روش های پیش بینی است. مقادیر پیش بینی شده نشان داد که نسبت ازدواج به طلاق در استان ایلام بین سال های آتی 1393تا 1396 با شیب ملایم، به سمت کاهش حرکت می کند. پرونده مقاله

دسترسی آزاد مقاله

3 - توسعه کابرد مدل‌های باکس جنکینز، شبکه عصبی مصنوعی و تعدیل نمایی در پیش‌بینی و مدیریت پدیده‌های اجتماعی (مطالعه موردی: پیش بینی روند ازدواج و طلاق در استان ایلام)
محمدرضا امیدی نبی امیدی اردشیر شیری رحمت اله محمدی پور

روش‌های پیش‌بینی و آینده پژوهی یکی از ابزارهای مهم در اختیار مدیران و کارشناسان برای اخذ تصمیمات راهبردی و صحیح است. با وجود توسعه روش های پیش بینی ، ولی کمتر به کاربرد این روش ها در پیش بینی پدیده های اجتماعی مانند ازدواج ، طلاق و رشد جمعیت پرداخته شده است.در این تحقیق چکیده کامل

روش‌های پیش‌بینی و آینده پژوهی یکی از ابزارهای مهم در اختیار مدیران و کارشناسان برای اخذ تصمیمات راهبردی و صحیح است. با وجود توسعه روش های پیش بینی ، ولی کمتر به کاربرد این روش ها در پیش بینی پدیده های اجتماعی مانند ازدواج ، طلاق و رشد جمعیت پرداخته شده است.در این تحقیق با استفاده از سری زمانی تعداد ازدواج و طلاق در استان ایلام بین سال های 1371 تا 1392 به پیش بینی این مقادیر با استفاده از مدل های باکس و جنکینز ،شبکه عصبی مصنوعی و تعدیل نمایی برای سال های آتی پرداخته شده است.نتایج تحقیق نشان داد که دقت پیش بینی مدل باکس جنکینز برای پیش بینی تعداد ازدواج و شبکه های عصبی برای پیش بینی تعداد طلاق بیشتر از سایر روش های پیش بینی است. مقادیر پیش بینی شده نشان داد که نسبت ازدواج به طلاق در استان ایلام بین سال های آتی 1393تا 1396 با شیب ملایم، به سمت کاهش حرکت می کند. پرونده مقاله

دسترسی آزاد مقاله

4 - مدل سازی و پیش بینی تولید و مصرف برق در ایران
محمدرضا امیدی نبی امیدی حشمت اله عسگری میثم جعفری اسکندری

با توجه به رشد نسبتا بالای مصرف انرژی در کشور، آینده پژوهی در حوزه انرژی الکتریکی به عنوان یک نهاده واسطه ی مهم در تولیدات صنعتی و به عنوان یک کالای نهایی و ضروری در بخش خانگی و تجاری، از الزامات نهادهای اجرایی کشور در زمینه تولید و مصرف برق می باشد. بررسی و پیش بینی چکیده کامل

با توجه به رشد نسبتا بالای مصرف انرژی در کشور، آینده پژوهی در حوزه انرژی الکتریکی به عنوان یک نهاده واسطه ی مهم در تولیدات صنعتی و به عنوان یک کالای نهایی و ضروری در بخش خانگی و تجاری، از الزامات نهادهای اجرایی کشور در زمینه تولید و مصرف برق می باشد. بررسی و پیش بینی تقاضا و تولید برق فاکتوری ارزشمند در دست مدیران صنعت برق برای اخذ تصمیمات راهبردی است. در این تحقیق با استفاده از سری زمانی تولید و مصرف برق بین سال های 6449 6491 و به کارگیری مدل های پیش بینی باکس جنکینز ، شبکه عصبی مصنوعی و سیستم خاکستری که از - پرکاربرد ترین روش های استفاده شده در مطالعات برای پیش بینی تقاضا و مصرف انرژی می باشند، علاوه بر میزان پیش بینی برای سال های آتی با استفاده از معیار میانگین درصد خطا دقت روش های پیش بینی نیز مورد مطالعه قرا گرفت. نتایج تحقیق نشان داد که روش باکس جنکینز بالاترین دقت را در پیش بینی تولید برق در کشور و شبکه عصبی مصنوعی بالاترین دقت در پیش بینی مصرف برق در کشور دارد. مقادیر پیش بینی شده نشان داد که نسبت تولید به مصرف برق در سال ها آتی تقریبا ثابت با میل کاهنده خواهد بود، میزان تولید برق در ایران در سال 6441 به 461194 میلیون کیلو وات برساعت و مصرف برق نیز به 911192 میلیون کیلو وات بر ساعت خواهد رسید، که می توان با اصلاح الگوهای مصرف و استفاده از روش های نوین تولید نسبت تولید به مصرف را افزایش داد. پرونده مقاله

دسترسی آزاد مقاله

5 - استفاده از شبکه های عصبی ترکیبی آموزش پذیر اصلاح شده برای پیش بینی روند قیمت سهام (مطالعه موردی : شرکت پتروشیمی خارگ)
دکتر ابوالفضل شهرآبادی دکتر رضا ابراهیم پور حسین نیکو

این مقاله مطالعه ای برای مقایسه توان پیش بینی روند قیمت سه ام با استفاده از شبکه های عصبی ترکیبی آموزش پذیراصلاح شده در مقابل سایر شبکه های آموزش پذیر و غیر آموزش پذیر ترکیبی است . داده های تاریخی به کار رفته در اینتحقیق از شرکت پتروشیمی خارگ، پذیرفته شده در بورس اوراق چکیده کامل

این مقاله مطالعه ای برای مقایسه توان پیش بینی روند قیمت سه ام با استفاده از شبکه های عصبی ترکیبی آموزش پذیراصلاح شده در مقابل سایر شبکه های آموزش پذیر و غیر آموزش پذیر ترکیبی است . داده های تاریخی به کار رفته در اینتحقیق از شرکت پتروشیمی خارگ، پذیرفته شده در بورس اوراق بهادار ایران بدست آمده اند . شرکت پتروشیمی خا رگ ازبزرگترین تولید کنندگان ایرانی محصولات پتروشیمی از جمله متانول است و به دلیل صادرات محصولات، قیمت سهام آن دربورس اوراق بهادار ایران بسیار متأثر از قیمت جهانی محصولات پتروشیمی، به ویژه متانول، می باشد . بنابراین قیمت سهام آن،نسبت به شرکت هایی که فاقد صادرات محصولات به بازار های جهانی هستند، به گونه ای شفاف تغییر می نماید. از آنجا که دربورس اوراق بهادار ایران نمونه مشابه دیگری که دارای سابقه قیمتی کافی و تعداد سهام شناور بالا باشد 1 وجود ندارد، لذاسهام پتروشیمی خارگ مناسبترین گزینه برای انجام فرآیند تحقیق تشخیص داده شد . نتایج این تحقیق نشان می دهد کهچگونه شبکه های عصبی ترکیبی آموزش پذیر اصلاح شده می تواند گوی سبقت را در قابلیت پیش بینی روند قیمت سهام ازسایر شبکه های ترکیبی آموزش پذیر و غیر آموزش پذیر برباید . این تحقیق همچنان نشان می دهد که چگونه با استفاده ازروش پیشنهادی این مقاله می توان بدون نیاز به اطلاعات تفصیلی و جامع به قابلیت پیش بینی نسبتاً دقیقی دست یافت پرونده مقاله

دسترسی آزاد مقاله

6 - رویکردی جدید برای تخمین پارامتر حافظه بلندمدت در سریهای زمانی مالی
سید محمد سیدحسینی مسعود باباخانی سید محمد هاشمی نژاد سید بابک ابراهیمی

هنگامی که مشاهدات گذشته با آینده دور همبستگی بالایی داشته و رابطه آن ها غیرقابل چشمپوشی استسری زمانی موردمطالعه دارای ویژگی حافظه بلندمدت است. سنجش وجود حافظه بلندمدت در یک سری زمانیکاربردهای فراوانی در حوزههای مختلف مالی دارا میباشد و روشهای مختلفی برای تخمین آن شکل گر چکیده کامل

هنگامی که مشاهدات گذشته با آینده دور همبستگی بالایی داشته و رابطه آن ها غیرقابل چشمپوشی استسری زمانی موردمطالعه دارای ویژگی حافظه بلندمدت است. سنجش وجود حافظه بلندمدت در یک سری زمانیکاربردهای فراوانی در حوزههای مختلف مالی دارا میباشد و روشهای مختلفی برای تخمین آن شکل گرفتهاست که هر یک از این روشها از نواقصی برخوردار میباشد. رویکر بوتسترپ که در این مقاله برای محاسبهپارامتر حافظه بلندمدت به کار گرفته شد تقریب خوبی برای توزیع نمونهگیری در راستای تخمین پارامتر حافظهرا شکل میدهد. این رویکرد با محدودیتهای کمتری مواجه است و قادر است بخش عظیمی از مشکلاتروشهای گذشته را مرتفع نماید. در این پژوهش از دادههای روزانه شاخص قیمت بورس اوراق بهادار ایران(تهران) در در بازه زمانی دسامبر 2006 الی ژوئن 2010 برای برآورد پارامتر حافظه بلندمدت استفاده شد و نتایجحاصل نشاندهنده بهبود تخمین پارامتر حافظه بلندمدت بود. پرونده مقاله

دسترسی آزاد مقاله

7 - تاثیر طرح تحول نظام سلامت بر زمان ارائه خدمات اورژانس با استفاده از تحلیل سری زمانی منقطع (مطالعه موردی: بیمارستان حضرت رسول اکرم تهران)
مائده اله وردی انیسه نیک روان کامران حاجی نبی

10.30495/jhm.2022.67917.11049

مقدمه: در سال‌های اخیر نظام سلامت کشور با مشکلات متعددی مواجه بود که نارضایتی مردم را به همراه داشت. وزارت بهداشت، طرح تحول نظام سلامت را با هدف محافظت مالی مردم در قبال هزینه‌های سلامت، ارتقای کیفیت و افزایش دسترسی به خدمات درمانی تدوین کرد. روش پژوهش: پژوهش حاضر با ه چکیده کامل

مقدمه: در سال‌های اخیر نظام سلامت کشور با مشکلات متعددی مواجه بود که نارضایتی مردم را به همراه داشت. وزارت بهداشت، طرح تحول نظام سلامت را با هدف محافظت مالی مردم در قبال هزینه‌های سلامت، ارتقای کیفیت و افزایش دسترسی به خدمات درمانی تدوین کرد. روش پژوهش: پژوهش حاضر با هدف تعیین تاثیر طرح تحول نظام سلامت بر زمان ارائه خدمات اورژانس در بیمارستان حضرت رسول اکرم تهران انجام شده است. جامعه آماری این پژوهش شامل تمام بیماران مراجعه کننده به اورژانس بیمارستان حضرت رسول طی سال‌های 1391 تا 1395 بوده است. به‌منظور بررسی تاثیر طرح بر زمان رسیدگی در اورژانس از تحلیل رگرسیون سری زمانی منقطع و نرم افزار Stata استفاده شده است. این روش این امکان را فراهم می‌کند تا بتوانیم اثرات آنی و بلندمدت طرح بر مدت زمان دریافت خدمت را نشان دهیم. یافته‌ها: یافته‌های این پژوهش نشان داد که اجرای طرح تحول در کوتاه مدت، روی زمان انتظار بیماران تاثیری نداشته اما در بلند مدت به طور معنی داری (0/01>P) باعث کاهش مدت زمان انتظار ویزیت، اولین اقدام درمانی، آماده شدن نتیجه آزمایش، دریافت نتیجه آزمایش توسط پزشک، دریافت نتیجه نهایی آزمایش، دریافت نتیجه نوارقلبی، دریافت نتیجه نوار قلبی توسط پزشک و دریافت نتیجه نهایی نوار قلبی در بیمارستان حضرت رسول اکرم شده است. نتیجه‌گیری: یافته های این پژوهش می تواند در راستای مدیریت زمان انتظار بیماران برای دریافت خدمات پس از اجرای طرح تحول نظام سلامت مفید باشد. پرونده مقاله

دسترسی آزاد مقاله

8 - مقایسه مدل‌ها در پیش‌بینی موارد تجمعی بستری و فوت کووید-19 (مطالعه موردی: شهرستان بهاباد)
محمد حسین کریمی زارچی داود شیشه بری

10.30495/jhm.2023.72246.11112

مقدمه: بیماری کووید-19، یک بیماری تنفسی است که در اثر سندرم تنفسی حاد کرونا ویروس-2 ایجاد شده است. پیش‌بینی تعداد موارد جدید و مرگ‌و‌میر می‌تواند گام مفیدی در پیش‌بینی هزینه‌ها و امکانات مورد نیاز در آینده باشد. هدف از این مطالعه مدلسازی، مقایسه عملکرد مدل‌ها و پیش‌بینی چکیده کامل

مقدمه: بیماری کووید-19، یک بیماری تنفسی است که در اثر سندرم تنفسی حاد کرونا ویروس-2 ایجاد شده است. پیش‌بینی تعداد موارد جدید و مرگ‌و‌میر می‌تواند گام مفیدی در پیش‌بینی هزینه‌ها و امکانات مورد نیاز در آینده باشد. هدف از این مطالعه مدلسازی، مقایسه عملکرد مدل‌ها و پیش‌بینی موارد جدید بستری و مرگ‌ومیر در آینده نزدیک است. روش پژوهش: در این مقاله 9 تکنیک پیش‌بینی بر روی داده‌های کووید-19 شهرستان بهاباد استان یزد تحت آزمایش قرار گرفت و با استفاده از معیارهای ارزیابی میانگین مربعات خطا (MSE)، جذر میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE) و میانگین درصد قدرمطلق خطا (MAPE) مدل‌ها باهم مقایسه شدند. یافته‌ها: نتایج تحلیل نشان داد، بهترین مدل با توجه به معیارهای ارزیابی مذکور برای پیش‌بینی موارد تجمعی بستری کووید-19 مدل هموارسازی اسپلاین مکعبی و برای موارد تجمعی فوت مدل رگرسیون KNN می‌باشد. هم‌چنین مدل شبکه‌های عصبی اتورگرسیو و مدل تتا برای موارد بستری و برای موارد فوت مدل شبکه‌های عصبی اتورگرسیو دارای بدترین عملکرد را در میان دیگر مدل‌ها دارا می‌باشد. نتیجه گیری: این مطالعه می‌تواند درک مناسبی از روند شیوع بیماری کووید-19 در این منطقه ارائه کند تا با اتخاذ اقدامات احتیاطی و تدوین سیاست های مناسب بتوان به نحو احسن از این بیماری عبور کرد. هم‌چنین برخلاف مطالعات دیگر این مطالعه، از 9 تکنیک متفاوت و مقایسه آن‌ها، استفاده کرده است که به نوبه خود ضریب اطمینان را در تصمیم‌گیری بالا برده است. هم‌چنین نکته‌ای که حائز اهمیت می‌باشد این است که باید داده‌ها در زمان واقعی بروز شوند. پرونده مقاله

دسترسی آزاد مقاله

9 - تغییر اقلیم در ناهمواری های زاگرس
معصومه صوفی بهلول علیجانی

در ایران، تغییرات اقلیم بسیار مهم ارزیابی می گردد زیرا بالارفتن دما و کمبود بارش ایران تأثیرات منفی زیادی بر رویمنابع آب و امنیت غذایی دارد که سبب گسستن بافت های زیستی، اجتماعی و غیره می گردد. از این لحاظ، ارزیابیتغییرات مقدار بارش حائز اهمیت است. بررسی و ارزیابی روند ب چکیده کامل

در ایران، تغییرات اقلیم بسیار مهم ارزیابی می گردد زیرا بالارفتن دما و کمبود بارش ایران تأثیرات منفی زیادی بر رویمنابع آب و امنیت غذایی دارد که سبب گسستن بافت های زیستی، اجتماعی و غیره می گردد. از این لحاظ، ارزیابیتغییرات مقدار بارش حائز اهمیت است. بررسی و ارزیابی روند بلندمدت بارش و دما در ناهمواری های زاگرس بهکمک سری های زمانی مجموع بارش، فراوانی روزهای بارشی، میانگین دمای شبانه روز و تفاوت دمای کمینه وبیشینه ی 26 ایستگاه های هواشناسی ممکن گردیده است. حداقل دوره ی آماری سری های زمانی 17 و حداکثر 55 سالبود. بنهجاری سری های زمانی با آزمون لایلی فورس و روند آنها با آزمون های پارامتریلجانگ- باکس و ناپارامتریتاوکندال ارزیابی شده است. علاوه بر این، از آزمون همبستگی پیرسن برای برآورد نوع روند و شیب آن استفاده گردیدهاست. نتایج آزمون ها، تغییرات گرایش دار(کاهشی و افزایشی ) معنی داری را در سری مجموع بارش و فراوانیروزهای بارشی سالانه ی ایستگاه های زاگرس نشان ندادند. در مقابل، سری های زمانی میانگین دمای شبانه روز وتفاوت دمای کمینه و بیشینه، دچار تغییرات شدیدتری گردیده اند. در بیش از 90 درصد ایستگاه های مورد مطالعه، سریزمانی میانگین دمای شبانروز دارای روند بوده که عمدتاً گرایش افزایشی دارد. درمقابل، سری زمانی تفاوت دمای کمینهو بیشینه در بیش از یک سوم ایستگاه های ناهمواری های زاگرس دارای روند می باشد. ایستگاه هایی که روند کاهشیو افزایشی در سری زمانی تفاوت دمای کمینه و بیشینه آنها وجود دارد، در فراوانی با همدیگر یکسان بوده و از اینلحاظ یک الگوی مکانی مشخص در تغییرات سری زمانی تفاوت دمای کمینه و بیشینه ی ناهمواری های زاگرس وجودندارد پرونده مقاله

دسترسی آزاد مقاله

10 - Combining time DEA scores using a dynamic panel data model
Geraldo Souza Eliane Gomes

We define a combined DEA score to evaluate efficiency in agricultural research. The production model we propose considers efficiency measurements under variable returns to scale for each year in the period 20122017. We postulate a first-order autoregressive process in t چکیده کامل

We define a combined DEA score to evaluate efficiency in agricultural research. The production model we propose considers efficiency measurements under variable returns to scale for each year in the period 20122017. We postulate a first-order autoregressive process in the presence of covariates, to explain efficiency. Powers of the autocorrelation coefficient estimated assuming a dynamic panel specification, are used as weights to determine a combined efficiency score. A higher weight is given to recent efficiency measurements. We use a fractional regression model to investigate the statistical significance of covariates on the combined score further. پرونده مقاله

دسترسی آزاد مقاله

11 - برآورد جریان ورودی به دریاچه ارومیه با استفاده از تلفیق مدل‌های سری زمانی و شبیه‌سازی شرایط توسعه حوضه آبریز در دو سناریوی بلند و کوتاه مدت
اردلان شریف نسب مجتبی شوریان

دریاچه ارومیه به‌عنوان بزرگ‌ترین و مهم‌ترین دریاچه داخلی ایران و به‌ عنوان یکی از ذخایر ارزشمند جهانی زیست‌کره از وضعیت نامطلوبی در سالهای اخیر برخوردار بوده است. شرایط نامناسب این دریاچه موجب آثار جبران‌ناپذیر زیست‌محیطی، اقتصادی و اجتماعی خواهد شد. لذا بررسی این موضوع چکیده کامل

دریاچه ارومیه به‌عنوان بزرگ‌ترین و مهم‌ترین دریاچه داخلی ایران و به‌ عنوان یکی از ذخایر ارزشمند جهانی زیست‌کره از وضعیت نامطلوبی در سالهای اخیر برخوردار بوده است. شرایط نامناسب این دریاچه موجب آثار جبران‌ناپذیر زیست‌محیطی، اقتصادی و اجتماعی خواهد شد. لذا بررسی این موضوع از جنبه‌های مختلف ضروری می‌نماید. در تحقیق حاضر، با استفاده از مدلهای سری‌زمانی میانگین متحرک خود ‌بازگشت (ARMA) جریان ورودی به رودخانه‌های حوضه آبریز دریاچه ارومیه برای سال‌های آتی در دو سناریو، یک‌بار بر اساس داده‌های ثبت شده بلند مدت و بار دیگر بر اساس داده‌های کوتاه مدت دوره‌های خشکسالی اخیر پیش‌بینی گردیده است. سپس با وارد کردن پتانسیل جریان سطحی تولیدی رودخانه‌ها در مدل شبیه‌سازی شرایط توسعه حوضۀ آبریز دریاچه ارومیه در افق 1420 در محیط MODSIM، پس از تعیین وضعیت منابع و مصارف، جریان ورودی به دریاچه ارومیه در هر یک از سناریوها برآورد و اختلاف آن با حقابه زیست محیطی مصوب دریاچه محاسبه گردیده است. در نهایت بعنوان یک راهکار کلی، میزان کاهشی که لازم است در مقادیر نیاز آبی کشاورزی بعنوان مصرف کننده اصلی آب در حوضه داده شود، محاسبه گردیده تا حقابه دریاچه تأمین گردد. نتایج حاکی از آن است در صورتی که نیاز آبی سالیانه متوسط کشاورزی در کل حوضه آبریز در سناریوهای پیش بینی بر اساس داده‌های بلند و کوتاه مدت به طور متوسط در حدود 14% و 56% کاهش یابد، حقابه زیست محیطی مصوب دریاچه ارومیه قابل تأمین خواهد بود. پرونده مقاله

دسترسی آزاد مقاله

12 - ارزیابی مدل ترکیبی موجک – حداقل مربعات ماشین بردار پشتیبان در ریزمقیاس کردن مکانی - زمانی سری های زمانی بارش
نیما فربودفام وحید نورانی بابک امین نژاد

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن چکیده کامل

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک حداقل مربعات ماشین بردار پشتیبان (WLSSVM) پیشنهاد شده و داده های سری زمانی ماهانه شش ایستگاه و روزانه چهار ایستگاه بارش حوضه آبریز دریاچه ارومیه، برای 10 سال بوسیله تبدیل موجک به زیرسری های زمانی تجزیه شده و سپس با استفاده از معیارهای اطلاعات متقابل و ضریب همبستگی، زیرسری ها رتبه بندی شده و برای ریزمقیاس کردن سری زمانی ماهانه ایستگاه های تبریز و سهند به روزانه، زیرسری های برتر به عنوان داده های ورودی به مدل حداقل مربعات ماشین بردار پشتیبان (LSSVM) وارد شد. نتایج حاصل از مدل WLSSVM، با نتایج کاربرد روش LSSVM و روش کلاسیک رگرسیون چند متغیره خطی، مقایسه شد. در مجموع نتایج مدل WLSSVM نسبت به مدل های LSSVM و رگرسیون چند متغیره خطی برای اعتبارسنجی در حالت بهینه ایستگاه تبریز به ترتیب 10% و 37.5% و در حالت بهینه ایستگاه سهند، به ترتیب 24.5% و 46.7% افزایش نشان داد. لذا ملاحظه گردید که روش WLSSVM نسبت به دو روش دیگر، دقت بالاتری داشته و به عنوان روشی مناسب جهت ریزمقیاس کردن سری های زمانی بارش پیشنهاد می گردد. پرونده مقاله

دسترسی آزاد مقاله

13 - بررسی تغییرات زمانی رطوبت خاک در نهشته‌های لسی منطقه هزارپیچ گرگان با استفاده از مدل‌ ARIMA
حسن رضایی مقدم محسن حسینعلی زاده واحدبردی شیخ رویا جعفری

رطوبت خاک بخش مهمی از بیلان آبی را تشکیل داده و تقریباً در همه فرآیندهای هیدرولوژیکی و تبادلات انرژی بین طهوا و خاک موثر است. بنابراین پیش‌بینی آن نقش اساسی در برنامه‌ریزی‌ها، طراحی‌ها و تصمیم‌گیری‌ها دارد. در این تحقیق، اندازه‌گیری رطوبت خاک (هفتگی) در نهشته‌های لسی هز چکیده کامل

رطوبت خاک بخش مهمی از بیلان آبی را تشکیل داده و تقریباً در همه فرآیندهای هیدرولوژیکی و تبادلات انرژی بین طهوا و خاک موثر است. بنابراین پیش‌بینی آن نقش اساسی در برنامه‌ریزی‌ها، طراحی‌ها و تصمیم‌گیری‌ها دارد. در این تحقیق، اندازه‌گیری رطوبت خاک (هفتگی) در نهشته‌های لسی هزارپیچ گرگان در محدوده‌ای به وسعت تقریبی 27 هکتار در سه محل (دو محل در گندم‌زار و یک محل در مرتع) در40 هفته متوالی در اعماق 20، 40، 60 و 80 سانتیمتر با استفاده از دستگاه TDR انجام شد. مقادیر رطوبت در تمامی اعماق و مکان‌های مورد بررسی دارای روند بوده و بهترین مدل به تمامی آنها با توجه به معیار آکائیک برازش داده شد. نتایج نشان داد مدل (1، 1)IMA در کاربری مرتع در عمق 60 سانتیمتری با ضریب همبستگی 94/0 و میانگین خطای مطلق 82/0، در محل شماره یک گندم‌زار در عمق 20 سانتیمتری با ضریب همبستگی 87/0 و میانگین خطای 37/0 و در محل شماره دو گندم‌زار در عمق 20 سانتیمتری با ضریب همبستگی 86/0 و میانگین خطای 54/0 به عنوان بهترین مدل پیش‌بینی انتخاب شد. مدل (1، 1)IMA در تمامی موقعیت‌ها بیشترین فراوانی را در اعماق مختلف به خود اختصاص داده است همچنین نتایج نشان داد با توجه به عملیات خاک‌ورزی در کاربری گندم و به تبع آن ایجاد سله در عمق 40 سانتی‌متر، مدل (1، 1) ARIMA به عنوان بهترین مدل پیش‌بینی رطوبت خاک انتخاب شد. پرونده مقاله

دسترسی آزاد مقاله

14 - کاربرد شاخص هرست در تعیین حافظه طولانی‌مدت سری‌های زمانی بارش و دبی ایستگاه‌های منتخب استان اردبیل
رئوف مصطفی زاده وحیده مرادزاده نازیلا علائی زینب حزباوی

10.30495/wsrcj.2021.19217

زمینه و هدف: آشفتگی‌های اکوسیستم ناشی از عوامل اجتماعی بر تغییرات ‌محیط‌زیست، دما، تبخیر و تعرق، تولید رواناب و دبی جریان تأثیر می‌گذارند. در همین راستا، شاخص هرست برای تحلیل تغییرات فرآیندهای هیدرولوژی ناشی از عوامل مختلف به‌کار برده شده است. شاخص هرست به‌عنوان یک ویژگ چکیده کامل

زمینه و هدف: آشفتگی‌های اکوسیستم ناشی از عوامل اجتماعی بر تغییرات ‌محیط‌زیست، دما، تبخیر و تعرق، تولید رواناب و دبی جریان تأثیر می‌گذارند. در همین راستا، شاخص هرست برای تحلیل تغییرات فرآیندهای هیدرولوژی ناشی از عوامل مختلف به‌کار برده شده است. شاخص هرست به‌عنوان یک ویژگی مهم برای تحلیل اثرات هیدرولوژی شناخته شده است. یکی از مناسب‌ترین آزمون‌ها برای تشخیص حافظه بلندمدت، آزمون دامنه مقیاس‌بندی شده (R/S) است. آزمون دامنه مقیاس‌بندی شده (R/S) امکان محاسبه پارامتر خود همانندی H (هرست) را ایجاد می‌کند که شدت وابستگی بلندمدت در یک سری زمانی را می‌سنجد. بنابراین پژوهش حاضر با هدف تعیین حافظه طولانی‌مدت سری‌های زمانی بارش و دبی ایستگاه‌های منتخب استان اردبیل واقع در شمال غرب ایران با استفاده از شاخص هرست انجام شد.روش پژوهش: در پژوهش حاضر، به بررسی کاربرد شاخص هرست در تعیین حافظه طولانی‌مدت سری‌های زمانی بارش و دبی ایستگاه‌های منتخب استان اردبیل حافظه بلندمدت در داده‌های بارش و دبی سالانه (92-1370) در 17 ایستگاه باران‌سنجی و 28 ایستگاه آب‌سنجی استان اردبیل پرداخته شد. مقادیر محاسباتی شاخص هرست از لحاظ میزان وابستگی و مقیاس ناپایداری در سری زمانی به پنج طبقه خیلی ضعیف تا خیلی قوی طبقه‌بندی شدند. تجزیه و تحلیل همبستگی مکانی شاخص هرست با استفاده از شاخص موران انجام شد. در ادامه مقادیر شاخص هرست به روش وزنی معکوس فاصله (IDW) در محیط ArcMap 10.8 درون‌یابی شد.یافته‌ها: در حالت کلی از 17 ایستگاه مورد بررسی به ترتیب 53/23، 41/29، 65/17 و 53/23 درصد در مقیاس پایداری خیلی ضعیف (55/0>H>5/0)، نسبتاً ضعیف (65/0>H>55/0)، نسبتاً قوی (75/0>H>65/0) و قوی (80/0>H>75/0) قرار گرفتند. در این میان، تنها 88/5 درصد مربوط به ایستگاه شمس‌آباد در مقیاس ناپایداری خیلی ضعیف (55/0>H>45/0) دسته‌بندی شد. طبق تجزیه و تحلیل 28 ایستگاه آب‌سنجی مورد بررسی به ترتیب 25، 50 و 42 /21 درصد در مقیاس پایداری نسبتاً ضعیف، نسبتاً قوی، قوی و 58/3 درصد در مقیاس ناپایداری خیلی ضعیف قرار گرفتند. در این بین، تنها ایستگاه عموقین در مقیاس ناپایداری خیلی ضعیف دسته‌بندی شد. بر اساس نتایج ایستگاه‌های باران‌سنجی هیر، کوزه‌تپراقی و شمس‌آباد و احمدکندی دارای مقادیر مثبت شاخص موران هستند، به‌عبارتی دارای مقادیر مشابه از نظر مکانی هستند. در بقیه ایستگاه‌ها مقدار شاخص موران منفی هستند که به معنی عدم مشابهت مقادیر متغیرهای مورد بررسی بود و در حقیقت تشکیل خوشه نداده‌اند. نتایج خوشه‌بندی در ایستگاه‌های آب‌سنجی نشان داد که ایریل در طبقه خوشه‌بندی زیاد-زیاد قرار گرفت و آتشگاه در خوشه‌های کم-کم و مقادیر مثبت شاخص موران طبقه‌بندی شد. بقیه ایستگاه‌های مورد مطالعه، خوشه‌های مشخصی تشکیل ندادند.نتیجه‌گیری: نتایج نشان داد که شاخص هرست برای ایستگاه‌های باران‌سنجی مورد بررسی با میانگین 64/0 و انحراف معیار 11/0 به‌دست آمد. هم‌چنین شاخص هرست در ایستگاه‌های آب‌سنجی با میانگین 74/0 و انحراف معیار 12/0 به‌دست آمد. در مجموع، دامنه مقادیر شاخص هرست و تغییرات مکانی آن در مورد داده‌های بارش سالانه نشان داد که مقادیر بارش در دوره مورد مطالعه دارای پایداری مناسبی نیست. تغییرات مکانی شاخص‌های مذکور نشان داد که تفاوت مشخصی بین مناطق مختلف استان از نظر پایداری مقادیر بارش و دبی وجود دارد. این در حالی است که بر اساس نمودار جعبه‌ای، دامنه تغییرات و نیز پراکنش مکانی ایستگاه‌هایی با پایداری قوی و نسبتاً قوی، بیش‌تر ایستگاه‌های واقع در محدوده مرکزی استان دارای پایداری در مقادیر دبی هستند که می‌تواند بیان‌گر تداوم جریان‌های پرآبی و هم وقوع دبی‌های حداکثر باشد. پرونده مقاله

دسترسی آزاد مقاله

15 - صحت‌سنجی داده‏‌های بارندگی ایستگاه‌‏های غیرثبات سازمان هواشناسی و تماب در حوضه آبریز دریاچه ارومیه
نوید قاجارنیا عبدالمجید لیاقت پیمان دانش‌کار آراسته

پیش‌بینی و تصمیم‌گیری صحیح در مدیریت و حفاظت از منابع آب نیازمند در دست داشتن برآوردهای درست و مطمئن از بارندگی است. لذا بررسی صحت داده های سری های زمانی قبل از آغاز تحقیق، یک بخش معمول و اجتناب ناپذیر در مطالعات هیدرولوژی و منابع آب است. برای این منظور، سری زمانی داده چکیده کامل

پیش‌بینی و تصمیم‌گیری صحیح در مدیریت و حفاظت از منابع آب نیازمند در دست داشتن برآوردهای درست و مطمئن از بارندگی است. لذا بررسی صحت داده های سری های زمانی قبل از آغاز تحقیق، یک بخش معمول و اجتناب ناپذیر در مطالعات هیدرولوژی و منابع آب است. برای این منظور، سری زمانی داده ها با استفاده از آزمون های آماری مورد ارزیابی قرار گرفته و در صورت نیاز، ناهمگنی ها و نوسانات نامحتمل داده ها اصلاح و یا حذف می شوند. هرچند معمولاً گذر موفق سری های زمانی از آزمون های آماری از لحاظ علمی صحت داده ها را تأیید می کند ولی بررسی های دقیق تر سری های زمانی ممکن است شواهد متفاوتی را عیان سازند. لذا در این تحقیق با انتخاب داده های بارندگی حوضه آبریز دریاچه ارومیه، پاسخ های بدست آمده از برخی آزمون های آماری بررسی صحت داده‌ها مورد ارزیابی قرار گرفته است. مطالعه عمیق و دقیق داده ها و مقایسه با ایستگاه های مجاور نشان می دهد که اعتماد و اتکای کامل به نتایج آزمون های آماری به تنهایی برای صحت‌سنجی داده ها کافی نبوده و گاهی نتایج بدست آمده ممکن است محقق را نسبت به شرایط و درستی واقعی داده های سری های زمانی مورد مطالعه، بسیار گمراه سازد. بر طبق نتایج آزمون‌های همگنی مورد استفاده در این تحقیق، تنها 4/2 درصد از ایستگاه‌های حوضه نیازمند اصلاحات و یا حذف بوده‌اند و این در حالیست که مطالعه عمیق داده ها نشان از غیرقابل اعتماد بودن 6/12 درصد از ایستگاه‌های حوضه و لزوم حذف آنها دارد. پرونده مقاله

دسترسی آزاد مقاله

16 - تحلیل نقاط تغییر در سری زمانی دبی برخی ایستگاه‌های هیدرومتری استان گلستان
ابراهیم عسگری رئوف مصطفی‌زاده خدیجه حاجی

10.22034/jest.2018.21474.3049

زمینه و هدف: تحلیل نقاط تغییر (Change Point Analysis) تکنیکی برای تعیین محل بالقوه تغییر در یک سری زمانی از داده‌ها است. بنابراین، این پژوهش با هدف تعیین و تحلیل نقاط تغییر در داده‌های مربوط به دبی سالانه 20 ایستگاه‌ هیدرومتری حوزه آبخیز گرگانرود در طول دوره آماری 34 سا چکیده کامل

زمینه و هدف: تحلیل نقاط تغییر (Change Point Analysis) تکنیکی برای تعیین محل بالقوه تغییر در یک سری زمانی از داده‌ها است. بنابراین، این پژوهش با هدف تعیین و تحلیل نقاط تغییر در داده‌های مربوط به دبی سالانه 20 ایستگاه‌ هیدرومتری حوزه آبخیز گرگانرود در طول دوره آماری 34 ساله صورت گرفت. روش بررسی: سپس تعداد و زمان‌ نقاط تغییر در داده‌های میانگین دبی تعیین، و میزان و نوع تغییر نیز از آن استخراج گردید، و نتایج این تحلیل‌ها با داده‌های میانگین دما و بارش کل ایستگاه‌ها مقایسه شد. براساس نتایج بدست آمده، مشخص گردید که بین تغییرات دبی (نقاط تغییر در دبی) با بارندگی ارتباط مستقیم معنی‌داری (p<0.001) وجود دارد، در حالی‌که ارتباط میان دما و دبی جریان از نوع معکوس بوده ولی از نظر آماری معنی‌دار نمی‌باشد. یافته‌ها: نتایج حاصل از تحلیل نقاط تغییر در دبی نشان داد که نقاط تغییر در داده‌های مورد استفاده در این مطالعه بیش‌تر از نوع کاهشی و در مواردی نیز افزایشی و در برخی از ایستگاه‌ها اصلاً نقاط تغییری شناسایی نشده است. بنابراین تعداد تغییرات کاهشی در ایستگاه‌های هیدرومتری مورد مطالعه، به‌طور معنی‌دار بیش‌تر از تغییرات افزایشی بوده، و بیش‌تر در بازه زمانی سال‌های 1373‌، 1374 و 1377 به‌ترتیب در 4، 5 و 3 ایستگاه نیزقابل مشاهده است. در صورتی که بیش‌ترین تغییرات افزایشی در بین ایستگاه‌ها مربوط به ایستگاه لزوره در سال‌های 1359 و 1390 به‌ترتیب برابر با مقادیر دبی 01/3 و90/0 مترمکعب بر ثانیه می‌باشد. بحث و نتیجه‌گیری: بنابراین، می‌توان گفت که روش تحلیل نقاط تغییر امکان تعیین تغییرات دبی جریان و نیز مقدار تغییرات را فراهم نموده است، و اطلاع از روند تغییرات کاهشی یا افزایشی بارندگی و دبی در حوزه‌های آبخیز نقش مهمی در مدیریت منابع آب و امور مرتبط با مهندسی آب ایفا می‌کند. پرونده مقاله

دسترسی آزاد مقاله

17 - بررسی و پیش‌بینی جریانات سطحی استان خوزستان با استفاده از مدل‌های سری زمانی
علیرضا انتظاری رسول سروستان

10.30495/jest.2021.29540.3822

زمینه و هدف: پژوهش حاضر به مطالعه و بررسی جریانات سطحی استان خوزستان و پیش‌بینی آن برای دوره 1398 تا 1407 با استفاده از مدل‌های سری زمانی است.روش بررسی: پژوهش حاضر در 9 ایستگاه منتخب از استان خوزستان به ‌منظور مقایسه دقت مدل سری‌های زمانی و پیش‌بینی مقدار جریانات سطحی ا چکیده کامل

زمینه و هدف: پژوهش حاضر به مطالعه و بررسی جریانات سطحی استان خوزستان و پیش‌بینی آن برای دوره 1398 تا 1407 با استفاده از مدل‌های سری زمانی است.روش بررسی: پژوهش حاضر در 9 ایستگاه منتخب از استان خوزستان به ‌منظور مقایسه دقت مدل سری‌های زمانی و پیش‌بینی مقدار جریانات سطحی انجام‌شده است. برای این منظور از داده‌های دبی ماهانه ایستگاه هیدرومتری به مدت 22 سال (1370-1392) استفاده ‌شده است. از مدل سری زمانی فصلی ضربی جریانات سطحی بررسی و بهترین مدل برازش داده شد، صحت و دقت مدل‌ها به کمک نرمال بودن توزیع باقی‌مانده‌ها، فرض ثابت بودن واریانس، نمودارهای مربوط به باقی‌مانده‌ها در طول زمان، تائید گردید.یافته‌ها: یافته‌های این مطالعه نشان داد، بهترین مدل‌های برازش شده در ایستگاه‌های اهواز (1,1,1)(1,0,1) SARIMA، بامدژ(1,1,0)(1,0,1) SARIMA، تله زنگ (1,0,1)(1,1,1) SARIMA، حرمله(1,0,1)(1,1,1) SARIMA، دزفول (2,0,1)(1,1,1) SARIMA، دشت بزرگ (2,0,2)(1,1,1) SARIMA، دوکوهه (2,2,0)(1,1,1) SARIMA، گتوند (2,1,1)(1,0,1) SARIMA و فارسیاب(2,1,1)(1,1,2) SARIMA می‌باشند؛ که این مدل‌ها از دقت خوبی برای پیش‌بینی جریانات سطحی برخوردار بودند.بحث و نتیجه‌گیری: نتایج جریانات سطحی برای سال‌های 1398 تا 1407 نشان داد که جریانات سطحی در تمام ایستگاه‌های منتخب کاهش می‌یابد و این کاهش در ایستگاه اهواز به بیش‌ترین و ایستگاه دوکوهه به کمترین مقدار به ترتیب با 78/9 و 58/0 می‌رسد. همچنین نتایج پیش‌بینی ماهانه نشان داد که بیش‌ترین و کم‌ترین مقدار کاهش جریانات سطحی به ترتیب در آذر ماه با 98/6 و شهریور با 67/1 خواهد رسید. پرونده مقاله

دسترسی آزاد مقاله

18 - پیش بینی میزان غلظت آلاینده های هوای تهران با استفاده از شبکه عصبی مصنوعی
سیامک بوداقپور امیر چرخستانی

در این تحقیق شبکه عصبی مصنوعی جهت برآورد و پیش بینی غلظت گازهای آلاینده هوا به کار رفته است.با توجه به خطر آلودگی هوا در شهر تهران و ایجاد مشکلات زیست محیطی و بیماری های خطرناک تنفسی و پوستی به ویژه برای کودکان و سالمندان و نیاز شدید به کنترل آن ، این تحقیق در جهت برنام چکیده کامل

در این تحقیق شبکه عصبی مصنوعی جهت برآورد و پیش بینی غلظت گازهای آلاینده هوا به کار رفته است.با توجه به خطر آلودگی هوا در شهر تهران و ایجاد مشکلات زیست محیطی و بیماری های خطرناک تنفسی و پوستی به ویژه برای کودکان و سالمندان و نیاز شدید به کنترل آن ، این تحقیق در جهت برنامه ریزی و کنترل این مشکل در تهران و همچنین شهرهای بزرگ دیگر انجام گرفته است. برای این منظور از آمار غلظت گازهای آلاینده هوای ثبت شده توسط حسگر های (سنسور) نصب شده در ایستگاه بازار در سال های 1381 تا 1386 استفاده شده است(گاز NOX). از مدل اتو رگرسیو و سری های زمانی جهت تعیین ورودی های شبکه عصبی استفاده شده و بر اساس این مدل غلظت گاز در زمان جاری به غلظت گازهای 7 روز گذشته وابسته است.بنابراین ورودی های شبکه عصبی غلظت گاز در 7 روز گذشته و خروجی آن که در واقع پیش بینی شبکه عصبی می باشد، غلظت گاز در زمان جاری می باشد.سپس با استفاده از نرم افزار مطلب 7، مدل شبکه عصبی مصنوعی طراحی شده و این پیش بینی انجام گرفته است. همچنین این پیش بینی با استفاده از رگرسیون غیر خطی نیز انجام گرفته و در پایان نتایج مدل ثبت گردیده و خطای جذر میانگین مربعات مدل شبکه عصبی با معادلات رگرسیون مقایسه شده است و مشاهده می شود که خطای مدل شبکه عصبی کمتر از روش رگرسیون است.مدل های ارایه شده توانایی چشم گیری در پیش بینی میزان آلودگی هوای تهران را دارند. پرونده مقاله

دسترسی آزاد مقاله

19 - تاثیر شوک نقد شوندگی وحباب های سهام بر پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران
ایرج نوروش نرگس محسنی دهگلانی اکبر رحیمی پور

هدف اصلی در این پژوهش بررسی تأثیر شوک نقد شوندگی و حباب‌های سهام بر پیش‌‌‌بینی شاخص قیمت سهام در بورس اوراق بهادار تهران ‌‌می‌باشد‌‌. دوره مورد بررسی در این پژوهش از ابتدای سال 1390 تا انتهای سال 1396 به‌صورت داده‌‌های سالانه ‌‌می‌باشد‌‌. برای بررسی از روش اقتصادسنجی پا چکیده کامل

هدف اصلی در این پژوهش بررسی تأثیر شوک نقد شوندگی و حباب‌های سهام بر پیش‌‌‌بینی شاخص قیمت سهام در بورس اوراق بهادار تهران ‌‌می‌باشد‌‌. دوره مورد بررسی در این پژوهش از ابتدای سال 1390 تا انتهای سال 1396 به‌صورت داده‌‌های سالانه ‌‌می‌باشد‌‌. برای بررسی از روش اقتصادسنجی پانل دیتا استفاده شده است‌‌. پس از تجزیه‌وتحلیل آماری نتیجه‌گیری شده است که نقدشوندگی و حباب قیمتی تأثیر مثبتی بر پیش‌‌‌بینی شاخص قیمت سهام دارند. با توجه به تأثیر مثبت حباب قیمتی بر شاخص قیمت سهام می‌توان نتیجه گرفت قیمت پیش‌‌‌بینی شده در زمان حباب قیمتی از قیمت واقعی بیشتر است و این خود موجب شرایط تورمی شدید‌‌‌‌تر و نابسامانی در بازار مالی می‌گردد‌‌. پرونده مقاله

دسترسی آزاد مقاله

20 - ﻣﻘﺎﯾﺴﻪ ﺳﺮی زﻣﺎﻧﯽ ﺑﺎزارﻫﺎی ﺑﻮرس و ﺑﯿﺖ ﮐﻮﯾﻦ و ﺗﺎﺛﯿﺮ آن ﺑﺮ ﺑﺎزده اﯾﻦ ﺑﺎزارﻫﺎ ﺑﺎ اﺳﺘﻔﺎده از روﯾﮑﺮد ﻓﺮﮐﺘﺎل
زهرا نصیری بنیاداباد فاطمه صمدی

در اﯾﻦ ﭘﺎﯾﺎن ﻧﺎﻣﻪ ﻣﻘﺎﯾﺴﻪ ﺳﺮی زﻣﺎﻧﯽ ﺑﺎزارﻫﺎی ﺑﻮرس و ﺑﯿﺖ ﮐﻮﯾﻦ و ﺗﺎﺛﯿﺮ آن ﺑﺮ ﺑﺎزده اﯾﻦ ﺑﺎزارﻫﺎ ﺑﺎ اﺳﺘﻔﺎده از روﯾﮑﺮد ﻓﺮﮐﺘﺎل ﻓﺮﺿﯿﻪ آﻣﺎری ﺗﻔﺎوت ﻣﻌﻨﺎداری ﺑﯿﻦ ﺑﻌﺪ ﻓﺮاﮐﺘﺎل ﺷﺎﺧﺺ ﺑﺎزده ﺳﻬﺎم ﺑﺎزار ﺑﯿﺖ ﮐﻮﯾﻦ و ﺑﺎزار ﺳﻬﺎم در ﺑﺎزه 4ﺑﺮرﺳﯽ ﺷﺪه اﺳﺖ. ، ﺗﻮان 1397-1390، ﺗﻮان ﻟﯿﺎﭘﺎﻧﻮف ﻣﺜﺒﺖ ﺷﺎ چکیده کامل

در اﯾﻦ ﭘﺎﯾﺎن ﻧﺎﻣﻪ ﻣﻘﺎﯾﺴﻪ ﺳﺮی زﻣﺎﻧﯽ ﺑﺎزارﻫﺎی ﺑﻮرس و ﺑﯿﺖ ﮐﻮﯾﻦ و ﺗﺎﺛﯿﺮ آن ﺑﺮ ﺑﺎزده اﯾﻦ ﺑﺎزارﻫﺎ ﺑﺎ اﺳﺘﻔﺎده از روﯾﮑﺮد ﻓﺮﮐﺘﺎل ﻓﺮﺿﯿﻪ آﻣﺎری ﺗﻔﺎوت ﻣﻌﻨﺎداری ﺑﯿﻦ ﺑﻌﺪ ﻓﺮاﮐﺘﺎل ﺷﺎﺧﺺ ﺑﺎزده ﺳﻬﺎم ﺑﺎزار ﺑﯿﺖ ﮐﻮﯾﻦ و ﺑﺎزار ﺳﻬﺎم در ﺑﺎزه 4ﺑﺮرﺳﯽ ﺷﺪه اﺳﺖ. ، ﺗﻮان 1397-1390، ﺗﻮان ﻟﯿﺎﭘﺎﻧﻮف ﻣﺜﺒﺖ ﺷﺎﺧﺺ ﺑﺎزده ﺳﻬﺎم ﺑﺎزار ﺑﯿﺖ ﮐﻮﯾﻦ و ﺑﺎزار ﺳﻬﺎم در ﺑﺎزه زﻣﺎﻧﯽ 1397-1390زﻣﺎﻧﯽ ، ﺗﻮان ﻟﯿﺎﭘﺎﻧﻮف ﻣﺜﺒﺖ ﺷﺎﺧﺺ ﺻﻨﻌﺖ 1397-1390 ﻟﯿﺎﭘﺎﻧﻮف ﻣﺜﺒﺖ ﺷﺎﺧﺺ ﻣﺎﻟﯽ ﺑﺎزار ﺑﯿﺖ ﮐﻮﯾﻦ و ﺑﺎزار ﺳﻬﺎم در ﺑﺎزه زﻣﺎﻧﯽ وﺟﻮد دارد. ، ﺑﺮرﺳﯽ ﺷﺪه اﺳﺖ. ﺑﺮاﺳﺎس ﻧﺘﺎﯾﺞ ﻫﺮ دو ﻓﺮﺿﯿﻪ ﺻﺤﯿﺢ 1397-1390ﺑﺎزار ﺑﯿﺖ ﮐﻮﯾﻦ و ﺑﺎزار ﺳﻬﺎم در ﺑﺎزه زﻣﺎﻧﯽ آن ﻧﯿﺰ اﻓﺰاﯾﺶ ﭘﯿﺪا ﻣﯽ 2 ﻣﻘﯿﺎس ﺑﺮای داوﺟﻮﻧﺰ ﺑﺎ اﻓﺰاﯾﺶ ﻣﻘﯿﺎس ﻟﮕﺎرﯾﺘﻢ ﺑﺮ ﭘﺎﯾﻪ 2اﺳﺖ.ﺗﻐﯿﯿﺮات ﻣﻘﯿﺎس ﺑﺎ ﻟﮕﺎرﯾﺘﻢ در ﭘﺎﯾﻪ ﮐﻨﺪ و ﺷﯿﺐ اﯾﻦ ﻧﻤﻮدار ﺑﺮاﺑﺮ ﺑﺎ ﻧﻤﺎی ﻫﺮﺳﺖ اﺳﺖ ﮐﻪ دارای ﺷﯿﺐ ﻣﺜﺒﺖ اﺳﺖ. ﻣﻘﺪار ﺑﺎزه ﻧﻮﺳﺎﻧﯽ ﻧﺴﺒﺖ ﺑﻪ ﻧﻤﺎی ﻫﺮﺳﺖ درﺷﺎﺧﺺ ﺑﻮرس ﺗﻬﺮان ﮐﻪ ﻧﻮﺳﺎنﻫﺎی ﻣﻨﻔﯽ دارای ﻧﻤﺎی ﻫﺮﺳﺖ ﺑﯿﺸﺘﺮ ﮐﻪ ﻣﺜﺒﺖ ﺷﺪن ﻧﻮﺳﺎنﻫﺎ ﻧﻤﺎی ﻫﺮﺳﺖ ﮐﺎﻫﺶ ﭘﯿﺪا ﻣﯽﮐﻨﺪ.ﻣﻘﺪار ﺑﺎزه ﻧﻮﺳﺎﻧﯽ ﻧﺴﺒﺖ ﺑﻪ ﻧﻤﺎی ﻫﺮﺳﺖ در ﺑﯿﺖ ﮐﻮﯾﻦ ﮐﻪ ﻧﻮﺳﺎنﻫﺎی ﻣﻨﻔﯽ دارای ﻧﻤﺎی ﻫﺮﺳﺖ ﺑﯿﺸﺘﺮ ﮐﻪ ﻣﺜﺒﺖ ﺷﺪن ﻧﻮﺳﺎنﻫﺎ ﻧﻤﺎی ﻫﺮﺳﺖ ﮐﺎﻫﺶ ﭘﯿﺪا ﻣﯽﮐﻨﺪ ﮐﻪ ﺑﻪ ﺻﻮرت ﺗﺮﻧﺪ ﻧﺰوﻟﯽ ﺧﻄﯽ ﻣﺜﻞ ﺷﺎﺧﺺ ﺑﻮرس ﺗﻬﺮان ﺗﻐﯿﯿﺮ رﻓﺘﺎر ﻧﻤﯽدﻫﺪ. پرونده مقاله

دسترسی آزاد مقاله

21 - ارزیابی مهارت زمانسنجی بازار و به گزینی اوراق مدیران صندوقهای سرمایه‌گذاری مشترک در ایران
هاشم نیکومرام آزاده فراهانی

پژوهش حاضر در نظر دارد که مهارت های به گزینی اوراق و زمانسنجی بازار مدیران صندوق های سرمایه گذاری مشترک را در ایران به وسیله ارزیابی عملکرد 5 صندوق سرمایه گذاری مشترک به عنوان نمونه، در بازه زمانی ابتدای سال 1389 تا پایان سال 1393 بررسی کند. مدل های استفاده شده برای قضا چکیده کامل

پژوهش حاضر در نظر دارد که مهارت های به گزینی اوراق و زمانسنجی بازار مدیران صندوق های سرمایه گذاری مشترک را در ایران به وسیله ارزیابی عملکرد 5 صندوق سرمایه گذاری مشترک به عنوان نمونه، در بازه زمانی ابتدای سال 1389 تا پایان سال 1393 بررسی کند. مدل های استفاده شده برای قضاوت در مورد توانایی به گزینی اوراق، تک عاملی(معیار جنسن) و چهار عاملی کارهارت است. توانایی زمانسنجی بازار نیز با استفاده از مدل ترینر- مازوی مورد ارزیابی قرار گرفت. جهت آزمون فرضیات پژوهش، از روش رگرسیون داده های سری زمانی استفاده شده است. نتایج نشان داد که در میان صندوق های موضوع پژوهش، بر طبق مدل تک عاملی(معیار جنسن)، تنها در یک صندوق آن هم در سطح اطمینان90 %، به گزینی اوراق به صورت معنادار دیده شد و در سطح اطمینان 95%، به گزینی اوراق به صورت معنادار در هیچ موردی یافت نشد. بر اساس مدل چهار عاملی کارهارت نیز، تنها در یک صندوق آن در سطح اطمینان 93%، به گزینی اوراق به صورت معنادار دیده شد و در سطح اطمینان 95% به گزینی اوراق به صورت معنادار در هیچ موردی یافت نشد. زمانسنجی بازار در 4 مورد از 5 نمونه به صورت معنی دار دیده شد که متأسفانه هر 4 مورد منفی بودند. پرونده مقاله

دسترسی آزاد مقاله

22 - پیش بینی شاخص بورس تهران با استفاده از سری زمانی فازی بر اساس تعریف نرخ بازده
فرید رادمهر ناصر شمس قارنه

در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در چکیده کامل

در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در بازارهای مالی، نوع جدیدی از فضای مسئله بر اساس نرخ بازده برای کاربرد در بازار های مالی و پیش بینی سری های زمانی مالی ارائه شده است. یکی از مسائل دیگر در مدل های سری زمانی فازی که تاثیر به سزایی در عملکرد آنها دارد طول بازه های مورد استفاده و نحوه ی تقسیم بندی فضای مسئله می باشد که در این زمینه تحقیقات متنوعی انجام شده است اما نتایج حاصله تا کنون راضی کننده نیست. لذا در این تحقیق با استفاده از الگوریتم شبیه سازی تبرید سعی در برطرف نمودن ایرادات مطالعات قبلی برای تعیین بازه های مناسب شده است. حاصل تحقیق مدل RBFTS است. برای مقایسه عملکرد مدل ارائه شده و مدل های موجود در ادبیات، از دو مسئله ی بورس تایفکس و پذیرش دانشگاه آلاباما که به عنوان مرجع مقایسه ی این دسته از مدل ها هستند استفاده شده است. نتایج حاصله نشان دهنده ی برتری مدل های ارائه شده نسبت به مدل های پیشین است. در نهایت به عنوان مورد اجرایی، دو مدل نامبرده برروی شاخص بازار بورس تهران اجرا شده و نتایج تحلیل گردید. پرونده مقاله

دسترسی آزاد مقاله

23 - Comparison of Neural Network Models, Vector Auto Regression (VAR), Bayesian Vector-Autoregressive (BVAR), Generalized Auto Regressive Conditional Heteroskedasticity (GARCH) Process and Time Series in Forecasting Inflation in ‎Iran‎
M. Pendar M. Haji

&lrm;This paper has two aims. The first is forecasting inflation in Iran using Macroeconomic variables data in Iran (Inflation rate, liquidity, GDP, prices of imported goods and exchange rates) , and the second is comparing the performance of forecasting vector auto reg چکیده کامل

&lrm;This paper has two aims. The first is forecasting inflation in Iran using Macroeconomic variables data in Iran (Inflation rate, liquidity, GDP, prices of imported goods and exchange rates) , and the second is comparing the performance of forecasting vector auto regression (VAR), Bayesian Vector-Autoregressive (BVAR), GARCH, time series and neural network models by which Iran's inflation is forecasted. The comparison of performance of forecasting models used to forecast Iran's inflation has been done based on the Root Mean Square Error (RMSE) and Mean Absolute Percentage Error (MAPE) of the models. Due to the annual values of Inflation, liquidity, GDP, prices of imported goods and exchange rates at free market to estimate different models in this paper and compare root mean square error and Mean Absolute Percentage Error of models by which inflation has been forecasted, neural network model had better performance than others models in forecasting Iran's inflation. Indeed root mean square error and Mean Absolute Percentage Error of neural network model have less value rather than root mean square error and Mean Absolute Percentage Error of other forecasting &lrm;models.&lrm; پرونده مقاله

دسترسی آزاد مقاله

24 - تشخیص تیپ اراضی کشاورزی دشت عباس با استفاده از تحلیل سری زمانی تصاویر ماهواره سنتینل 2
مهدی رضایی حسین آقامحمدی زنجیر آباد زهرا عزیزی علیرضا وفایی نژاد سعید بهزادی

زمینه و هدف: یکی از مبادی مهم و پر مصرف آب شیرین، اراضی کشاورزی می باشند. محل تأمین آب مزارع آبی چاه های نیمه عمیق و عمیق می باشند. مدیریت و پایش اراضی آبی در بحث مصرف آب امری حیاتی است. از طرفی، چاه های غیرمجاز کشاورزی در بین چاه های دارای مجوز، وجود دارند اما شناسایی چکیده کامل

زمینه و هدف: یکی از مبادی مهم و پر مصرف آب شیرین، اراضی کشاورزی می باشند. محل تأمین آب مزارع آبی چاه های نیمه عمیق و عمیق می باشند. مدیریت و پایش اراضی آبی در بحث مصرف آب امری حیاتی است. از طرفی، چاه های غیرمجاز کشاورزی در بین چاه های دارای مجوز، وجود دارند اما شناسایی آن‌ها به‌وسیله بازدید های میدانی، به دلایل مختلف ازجمله تعداد بالای اراضی، شرایط آب و هوایی و همچنین دسترسی سخت به اراضی دور از جاده، بسیار سخت و پیچیده است. روش بررسی: کشف و پایش این اراضی با استفاده از سنجش‌ازدور و سیستم اطلاعات جغرافیایی بسیار سریع و با دقت بالا امکان پذیر است. در این پژوهش با استفاده از شاخص NDVI و مجموعه داده های سری زمانی تصاویر سنتینل 2 (باندهای 4 و 8) برای ماه های اسفند، فروردین و اردیبهشت، طبقه بندی به روش SVM رای بخشی از اراضی دشت عباس دهلران در سال آبی 2022 انجام‌شده است و با استفاده از داده های کاداستر، اعتبار سنجی نتایج، انجام شد. یافته ها: دقت طبقه بندی انجام شده بر اساس نقشه های کاداستر، برای اراضی آبی 98.4% و برای اراضی دیم مقدار 86.7% محاسبه‌شده است. نتایج نشان دهنده دقت بالا در تشخبص و تفکیک نوع اراضی کشاورزی می باشد. بحث و نتیجه گیری: با استفاده از الگوریتم های سری زمانی بر روی مجموعه تصاویر ماهواره ای و ارزیابی نتایج بر مبنی کاداسترهای اراضی کشلورزی موجود از منطقه امکان شناسایی اراضی آبی غیرقانونی و به تبع ان چاه‌های تامین کننده آب انها امکان پذیر است. پرونده مقاله

دسترسی آزاد مقاله

25 - Customer Behavior Analysis using Wild Horse Optimization Algorithm
Raheleh Sharifi Mohammadreza Ramezanpour

10.30486/mjtd.2023.1980070.1025

One of the areas in which businesses use artificial intelligence techniques is the analysis and prediction of customer behavior. It is important for a business to predict the future behavior of its customers. In this paper, a customer behavior model using wild horse opt چکیده کامل

One of the areas in which businesses use artificial intelligence techniques is the analysis and prediction of customer behavior. It is important for a business to predict the future behavior of its customers. In this paper, a customer behavior model using wild horse optimization algorithm is proposed. In the first step, K-Means algorithm is used to classify based on the features extracted from the time series, and then in the second step, wild horse optimization algorithm is used to estimate customer behavior. Three dataset including, the grocery store dataset, the household appliances dataset, and the supermarket dataset are used in the simulation. The best clusters count for the grocery store dataset, the household appliances dataset, and the supermarket dataset are obtained 5, 4, and 4, respectively. The simulation results indicate that this proposed method is obtained the lowest prediction error in three simulated datasets and is superior to other counterparts. پرونده مقاله

دسترسی آزاد مقاله

26 - بازسازی سری های زمانی داده های ماهواره ای دمای سطح زمین با استفاده از الگوریتم تجزیه و تحلیل هارمونیک سری های زمانی (HANTS)
حمیدرضا غفاریان مالمیری هادی زارع خورمیزی

دمای سطح زمین (LST) یکی از پارامترهای اساسی در مبادله انرژی بین زمین و اتمسفر است. در بسیاری از علوم مختلف از جمله اقلیم‌شناسی، هیدرولوژی، کشاورزی، اکولوژی، بهداشت عمومی و علوم زیست‌محیطی استفاده از سری های زمانی LST کاربرد فراوان دارد. اما سری های زمانی داده های ماهوار چکیده کامل

دمای سطح زمین (LST) یکی از پارامترهای اساسی در مبادله انرژی بین زمین و اتمسفر است. در بسیاری از علوم مختلف از جمله اقلیم‌شناسی، هیدرولوژی، کشاورزی، اکولوژی، بهداشت عمومی و علوم زیست‌محیطی استفاده از سری های زمانی LST کاربرد فراوان دارد. اما سری های زمانی داده های ماهواره ای معمولاً دارای داده های ناقص، از دست رفته و یا غیر قابل قبول هستند که این به دلیل حضور ابرها در تصاویر، وجود ذرات گرد و غبار در اتمسفر، عدم کارایی الگوریتم های بکار رفته در محاسبه داده ها و بعضاً عملکرد نادرست سنجنده است. در این مطالعه به منظور رفع مشکل داده های از دست رفته و دور افتاده از الگوریتم تجزیه و تحلیل هارمونیک سری های زمانی (HANTS) استفاده شد. همچنین در این مطالعه از محصول LST سنجنده MODIS سال 2015 MOD11A1 که دارای قدرت تفکیک مکانی یک کیلومتر و قدرت تفکیک زمانی روزانه و همچنین حاوی اطلاعات دمای سطح زمین در زمان روز و شب است، استفاده گردید. منطقه مطالعاتی شامل یک فریم تصویر در سیستم شبکه بندی سینوسی MODIS با شماره افقی 22 و عمودی 5 (h22v05) است. ارزیابی نتایج کیفیت داده ها نشان می دهد به طور میانگین در سری زمانی تصاویر LST مورد استفاده در زمان روز و شب به ترتیب 8/36 و 6/35 درصد داده ها توسط پوشش ابر از دست رفته است. ارزیابی نتایج الگوریتم HANTS در بازسازی تصاویر بدون پوشش ابر نشان می دهد خطای جذر میانگین مربعات (RMSE) بین داده های اصلی و بازسازی شده در سری زمانی LST مورد مطالعه در زمان روز و شب به ترتیب 87/3 و 68/2 درجه کلوین است. به طور کلی نتایج این پژوهش نشان می دهد که الگوریتم HANTS به طور مؤثری می تواند در رفع مشکل داده های از دست رفته و داده های دور افتاده و همچنین ارتقا کیفیت داده ها در سری های زمانی LST سنجنده MODIS مورد استفاده قرار گیرد. پرونده مقاله

دسترسی آزاد مقاله

27 - Role of Market Demand and Added Value in Optimizing the Iron Products
Abdollah Hadi-Vencheh

In today's industrial and competitive world, the optimal use of time, resources, and timely and correct response to market needs are crucial. On the other hand, the importance and necessity of optimizing production based on market demand will reveal the need to manage h چکیده کامل

In today's industrial and competitive world, the optimal use of time, resources, and timely and correct response to market needs are crucial. On the other hand, the importance and necessity of optimizing production based on market demand will reveal the need to manage high-value-added products. Regarding this fact that the steel industry is one of the basic industries and has a great influence upon the other industries, its productivity can affect itself as well as the other industries. The scope of this study is Isfahan Steel Corporation which is considered as one of the greatest plants throughout the country manufacturing steel products such as iron beams. Thus in this study, the corresponding documents and proofs were examined to optimize the beam products of Isfahan Steel Corporation based upon the market demand and increased value, and considering the records, opinions of production and sale experts, customers, and suppliers, a questionnaire was prepared to estimate the types of beam and distributed among customers and suppliers and analyzed. Then, the added value of beams was calculated and finally, the number of beam products was calculated based on estimated market demand using the model ARIMA. پرونده مقاله

دسترسی آزاد مقاله

28 - Applying Optimized Mathematical Algorithms to Forecast Stock Price Average Accredited Banks in Tehran Stock Exchange and Iran Fara Bourse
Negar Aghaeefar Mohammad Ebrahim Mohammad Pourzarandi Mohammad Ali Afshar Kazemi Mehrzad Minoie

10.22034/amfa.2019.580802.1150

The effective role of capital in every country flows through giving guidelines for capital and resources, generalizing companies and sharing development projects with public, and also adding accredited companies stock market requires appropriate decision making for shar چکیده کامل

The effective role of capital in every country flows through giving guidelines for capital and resources, generalizing companies and sharing development projects with public, and also adding accredited companies stock market requires appropriate decision making for shareholders and investors who are willing to buy shares based on price mechanism. Forecasting stock price has always been a challenging task, since it is affected by many economic and non-economic factors and variables; therefore, selecting the best and the most efficient forecasting model is tough and essential. Up to now applying weighted mean called weighted mean price has been used to forecast industry average price for companies in the stock market and investors were forecasting based on this method. First we have identified 10 accredited banks in TSE and 10 banks in Iran Fara Bourse. In this article, by applying one of the mathematical optimizing techniques, industry means got calculated based on optimized parameters and compared with the industry average; in this statement we strived to find another variable that could forecast with less deviation. In the following study, by calculating frequency level of deviations, average for price forecasting in banking industry during five years is examined. Finally, the research suggests that, instead of using mean of industry average, it is better to use mean average of golden number, which will lead us to more accurate results. پرونده مقاله

دسترسی آزاد مقاله

29 - Support Vector Regression Parameters Optimization using Golden Sine Algorithm and Its Application in Stock Market
Mohammadreza Ghanbari Mahdi Goldani

10.22034/amfa.2021.1936352.1623

Stock price prediction is one of the most important concerns of stockholders. This prediction, independent of the method which is used or the assumptions which are applied, is welcomed and trusted if it can guarantee a high fitting. So due to the high performance predic چکیده کامل

Stock price prediction is one of the most important concerns of stockholders. This prediction, independent of the method which is used or the assumptions which are applied, is welcomed and trusted if it can guarantee a high fitting. So due to the high performance prediction, using some complicated models as Machine Learning family such as Support Vector Regression (SVR) was recommended instead of older and lower performance approaches such as multiple discriminant technique. SVR model have achieved high performance on forecasting problems, however, its performance is highly dependent on the appropriate selection of SVR parameters. In this study, a novel GSA-SVR model based on Golden Sine Algorithm is presented. The performance of the proposed model is compared with eleven other meta-heuristic algorithms on some stocks from NASDAQ. The results indicate that the given model here is capable of optimizing the SVR parameters very well and indeed is one of the best models judged by both prediction performance accuracy and time consumption. پرونده مقاله

دسترسی آزاد مقاله

30 - New Criterion‎ For Fractal Parameter In Financial Time Series ‎
Mehrzad Alijani bahman banimahd Ahmad Yaghobnezhad

10.22034/amfa.2021.1917040.1527

Since calculating the amount of fractal in the ARFIMA time series and increasing its &lrm;accuracy and bring it closer to reality is very important, this article intends to &lrm;investigate the possibility of modifying this computational formula by changing the &lrm;foc چکیده کامل

Since calculating the amount of fractal in the ARFIMA time series and increasing its &lrm;accuracy and bring it closer to reality is very important, this article intends to &lrm;investigate the possibility of modifying this computational formula by changing the &lrm;focus criterion and using simulation. In the present paper, by analysing and &lrm;simulating the fractal parameter for time series ARFIMA model and redefining and &lrm;reviewing the Fractal mathematical, a fractal calculus and dimension in &lrm;comparison &lrm;with Euclidean norms introduced. In this regard, first, a new criterion about fractal &lrm;or Hausdorff &lrm;component for measuring the forms of fractal time series introduced, &lrm;then the effects and functional &lrm;inquiries using simulation data searched, and some &lrm;mathematical proofs through simulation of &lrm;data achieved. The findings showed that, &lrm;the deviation of the new estimator from the simulated initial value is less, and closer &lrm;to reality as this new criterion introduced by changing the focus criterion and &lrm;replacing the mean with the median due to less sensitivity to out-dated data. The &lrm;new criterion is better for determining the fractal parameter and identifying its &lrm;degree of effectiveness. Finally, the findings empirically indicated that the proposed &lrm;criterion is more efficient and better &lrm;than the others for calculating fractal &lrm;dimensions.&lrm; پرونده مقاله

دسترسی آزاد مقاله

31 - Determining the interest rate on deposits in the Iranian banking system: cooperative or competitive game between the central bank and followers?
Mehdi Memarpour Ashkan Hafezalkotob Mohammad Khalilzadeh Abbas Saghaei Roya Soltani

10.22034/amfa.2021.1931633.1598

This paper studies the monetary policies of the central bank to determine the inter-est rate on deposits in the interaction with the Iranian banking system in the form of Stackelberg and Nash equilibrium games. The leader of the game is the central bank of the Islamic R چکیده کامل

This paper studies the monetary policies of the central bank to determine the inter-est rate on deposits in the interaction with the Iranian banking system in the form of Stackelberg and Nash equilibrium games. The leader of the game is the central bank of the Islamic Republic of Iran, while the followers of the game include three banks called A, B, and C. The leader of the game regulates its monetary policies based on the relationship between inflation rate and interest rate on depos-its in the form of three scenarios of "legal deposit ratio", "legal deposit award rate", and "the rate of commissions received" from the followers. The follower players also determine "the interest rate on deposits," based on the scenarios of the leader player. The results of this research (2010-2019) by MINITAB Soft-ware indicated that in the studied year (2019), the strategy of the players of this game has been mostly Nash (more competitive) rather than cooperative. If the players of this game had chosen cooperative strategy (Stackelberg game), they would have achieved greater profit. Also, the optimal tool for the monetary policy of the leader and follower players has been the “increasing the legal reserve re-ward rate". پرونده مقاله

دسترسی آزاد مقاله

32 - Investigating the Market Efficiency in Tehran Stock Exchange through Artificial Intelligence
mohammad jouzbarkand Hossein Panahian

10.22034/amfa.2021.1934511.1613

This study was an attempt to evaluate the progress of capital market efficiency in Iran. Optimal resource allocation and micro and macro investments play a key role in the capital market. The capital market's main task is to circulate capital and allocate resources effi چکیده کامل

This study was an attempt to evaluate the progress of capital market efficiency in Iran. Optimal resource allocation and micro and macro investments play a key role in the capital market. The capital market's main task is to circulate capital and allocate resources efficiently and optimally. The main task of this market is to flow capital and allocate resources efficiently and optimally. Is there a regular pattern for determining the stock price? Market efficiency gains significance as it is important to know what factor or factors are effective in determining the price of the stock in the stock market or whether there is a regular pattern for determining the price of a stock. Thus, this study examined the efficiency of the capital market in Iran. In this regard, the researchers used the daily data of the total index of the Tehran Stock Exchange for 2008-2017. Artificial neural network and time series training tests were used to perform the test. The test results showed weak efficiency in the Tehran Stock Exchange and this inefficiency did not change significantly compared to the first period. In other words, in the Tehran Stock Market, one can predict returns using artificial intelligence. پرونده مقاله

دسترسی آزاد مقاله

33 - Machine learning algorithms for time series in financial markets
Mohammad Ghasemzadeha Naeimeh Mohammad-Karimi Habib Ansari-Samani

10.22034/amfa.2020.674946

This research is related to the usefulness of different machine learning methods in forecasting time series on financial markets. The main issue in this field is that economic managers and scientific society are still longing for more accurate forecasting algorithms. Fu چکیده کامل

This research is related to the usefulness of different machine learning methods in forecasting time series on financial markets. The main issue in this field is that economic managers and scientific society are still longing for more accurate forecasting algorithms. Fulfilling this request leads to an increase in forecasting quality and, therefore, more profitability and efficiency. In this paper, while we introduce the most efficient features, we will show how valuable results could be achieved by the use of a financial time series technical variables that exist on the Tehran stock market. The suggested method benefits from regression-based machine learning algorithms with a focus on selecting the leading features to find the best technical variables of the inputs. The mentioned procedures were implemented using machine learning tools using the Python language. The dataset used in this paper was the stock information of two companies from the Tehran Stock Exchange, regarding 2008 to 2018 financial activities. Experimental results show that the selected technical features by the leading methods could find the best and most efficient values for the parameters of the algorithms. The use of those values results in forecasting with a minimum error rate for stock data. پرونده مقاله

دسترسی آزاد مقاله

34 - Thermal anomalies detection before earthquake using three filters (Fourier, Wavelet and Logarithmic Differential Filter), A Case study of two earthquakes in Iran
Sina Saber Mahani Marzieh Khalili

10.30495/ijes.2019.544597

Earthquake is one of the most destructive natural phenomena which has human and financial losses. The existence of an efficient prediction system and early warning system will be useful for reducing effects of destroying earthquake. In this paper by applying three filte چکیده کامل

Earthquake is one of the most destructive natural phenomena which has human and financial losses. The existence of an efficient prediction system and early warning system will be useful for reducing effects of destroying earthquake. In this paper by applying three filters (Fourier, Wavelet and Difference Logarithmic Filter (LDF)) on soil temperature time-series, anomaly behavior before the major earthquakes was studied. Aforementioned methods were performed of the Bam (2003), and Zarand (2005) earthquakes in Iran. The results indicate thermal anomalies were detected before earthquake occurrence. Furthermore, the LDF filter detects thermal anomaly as well as the Fourier and Wavelet filters. For validation of the results, the soil temperature data of the Bam earthquake were considered from the Bam meteorological station and also from the Joroft meteorological stations that located in effective radius (Dobrolsky radius) and the same results was obtained. It states that there is a relation between temperature anomaly behavior and the major earthquakes. پرونده مقاله

دسترسی آزاد مقاله

35 - Evaluation of SARIMA time series models in monthly streamflow estimation in Idanak hydrometry station
عباس احمدپور حسین فتحیان جبرائیل قربانیان

prediction of hydrological variables is a highly effective tool in water resource management. One of the important tools for modeling hydrological processes is the use of time series modeling and analysis. River series production series can be used by time series models چکیده کامل

prediction of hydrological variables is a highly effective tool in water resource management. One of the important tools for modeling hydrological processes is the use of time series modeling and analysis. River series production series can be used by time series models in various studies such as drought, flood, reservoir systems design and many other purposes For this purpose, monthly flow data of this station has been used for 30 years (2011-1363). By using the regression method, incomplete data estimation and homogeneity of data were investigated by sequencing test .Using the SARIMA model, the monthly time series of the Idenak station was Investigated and the best model was fitted to its data.. The models were confirmed by the diagram of autocorrelation and partial-bond correlation functions of the residues and the Pert-Manto criteria. for evaluation the models, the AIC, SBC criteria were used. The results show that SARIMA models (1.0,1) * (2,0,2) 12, SARIMA (2,0,2) * (2,0,2 (12) and SARIMA (1,0,2) * (2,0,2) 12 are respectively in the first, second and third priority in terms of accuracy in modeling the monthly discharge of the Idenak station. پرونده مقاله

دسترسی آزاد مقاله

36 - Statistical Analysis and Modeling (Forecasting) of the Temperature Time Series of Ahvaz Metropolis
کاظم حمادی لیلا نوذریان

Forecasting of temperature and precipitation can be efficiently used in decision making and optimal use of water resources. Studies in Iran have indicated a significant increase in annual temperature. This issue should be further researched in the Ahvaz region because i چکیده کامل

Forecasting of temperature and precipitation can be efficiently used in decision making and optimal use of water resources. Studies in Iran have indicated a significant increase in annual temperature. This issue should be further researched in the Ahvaz region because it is the population hub in the southwest of Iran and the pole of irrigation networks and traditional agricultural land with huge number of oil, petrochemical, steel, and electricity industries. The present study aimed to analyze the time series of annual temperature of Ahvaz in order to determine the components of time series and especially to clarify the component of share rate trend and their variations. The condition of the next 58 years was then predicted and simulated in this study using the theory of stochastic time series along with the ratio trend. Results indicated that the temperature had an increasing trend equal to 3.81 °C/100 year. پرونده مقاله

دسترسی آزاد مقاله

37 - Semi-automatic monitoring in monitoring the privacy of electricity transmission and super distribution lines in Yazd province using time series analysis of radar images, a case study of Jumhouri Blvd
Mahdieh Rezaeyan

10.30495/jrors.2023.1980099.1172

Today, the electricity industry is considered one of the most vital industries of a country, and considering that the passage of electricity transmission lines in each region has different effects and radiation depending on its voltage, so in order to preserve human hea چکیده کامل

Today, the electricity industry is considered one of the most vital industries of a country, and considering that the passage of electricity transmission lines in each region has different effects and radiation depending on its voltage, so in order to preserve human health, plant growth and prevent financial losses, Privacy must be respected. One of the optimal methods in semi-automatic monitoring and monitoring of illegal constructions is the use of remote sensing and the use of radar images. In this research, Sentinel1 radar time series images were used to monitor the security of transmission and super distribution lines, which after applying pre-processing Necessary in SNAP software, In order to extract the zero sigma dispersion coefficient of the images and make them binary, 100 sample points were taken as a statistical population from the Landsat images and the threshold limit of the construction of two images were calculated and the number 0.081003 was obtained as the threshold limit, and then by creating the privacy layer of the transmission network and overlaying it with the fuzzy images, the amount of interference The constructions were determined by the structure of the network privacy and also the illegal constructions were identified during one year with the pixel-based algorithm and at the end drone images were used for validation, the results of this research indicate that most of the illegal constructions can be identified using the method presented It was identified semi-automatically with 85-90% accuracy and increased the speed of identifying illegal constructions in privacy. پرونده مقاله

دسترسی آزاد مقاله

38 - Uncertain Fuzzy Time Series: Technical and Mathematical Review
Aref Safari

Time series consists of a sequence of observations, measured at moments in time, sorted chronologically, and evenly spaced from each other, so the data are usually dependent on each other. Uncertainty is the consequence of imperfection of knowledge about a state or a pr چکیده کامل

Time series consists of a sequence of observations, measured at moments in time, sorted chronologically, and evenly spaced from each other, so the data are usually dependent on each other. Uncertainty is the consequence of imperfection of knowledge about a state or a process. The time series is an important class of time-based data objects and it can be easily obtained from scientific and financial applications. Main carrier of time series forecasting is which constitutes the level of uncertainty human knowledge, with its intrinsic ambiguity and vagueness in complex and non-stationary criteria. In this study, a comprehensive revision on the existing time series pattern analysis research is given. They are generally categorized into representation and indexing, similarity measure, uncertainty modeling, visualization and mining. Various Fuzzy Time Series (FTS) models have been proposed in scientific literature during the past decades or so. Among the most accurate FTS models found in literature are the high order models. However, three fundamental issues need to be resolved with regards to the high order models. The primary objective of this paper is to serve as a glossary for interested researchers to have an overall depiction on the current time series prediction and fuzzy time-series models development. پرونده مقاله

دسترسی آزاد مقاله

39 - Use of the Improved Frog-Leaping Algorithm in Data Clustering
Sahifeh Poor Ramezani Kalashami Seyyed Javad Seyyed Mahdavi Chabok

Clustering is one of the known techniques in the field of data mining where data with similar properties is within the set of categories. K-means algorithm is one the simplest clustering algorithms which have disadvantages sensitive to initial values of the clusters and چکیده کامل

Clustering is one of the known techniques in the field of data mining where data with similar properties is within the set of categories. K-means algorithm is one the simplest clustering algorithms which have disadvantages sensitive to initial values of the clusters and converging to the local optimum. In recent years, several algorithms are provided based on evolutionary algorithms for clustering, but unfortunately they have shown disappointing behavior. In this study, a shuffled frog leaping algorithm (LSFLA) is proposed for clustering, where the concept of mixing and chaos is used to raise the accuracy of the algorithm. Because the use of concept of entropy in the fitness functions, we are able to raise the efficiency of the algorithm for clustering. To perform the test, the four sets of real data are used which have been compared with the algorithms K-menas, GA, PSO, CPSO. The results show better performance of this method in the clustering. پرونده مقاله

دسترسی آزاد مقاله

40 - Sales Budget Forecasting and Revision by Adaptive Network Fuzzy Base Inference System and Optimization Methods
Kaban Koochakpour Mohammad Jafar Tarokh

The sales proceeds are the most important factors for keeping alive profitable companies. So sales and budget sales are considered as important parameters influencing all other decision variables in an organization. Therefore, poor forecasting can lead to great loses in چکیده کامل

The sales proceeds are the most important factors for keeping alive profitable companies. So sales and budget sales are considered as important parameters influencing all other decision variables in an organization. Therefore, poor forecasting can lead to great loses in organization caused by inaccurate and non-comprehensive production and human resource planning. In this research a coherent solution has been proposed for forecasting sales besides refining and revising it continuously by ANFIS model with consideration of time series relations. The relevant data has been collected from the public and accessible annual financial reports being related to a famous Iranian company. Moreover, for more accuracy in forecasting, solution has been examined by Back Propagation neural Network (BPN) and Particle swarm Optimization (PSO). The comparison between prediction taken and real data shows that PSO can optimize some parts of prediction in contrast to the rest which is more coincident to the output of BPN analysis with more precise results relatively. پرونده مقاله

دسترسی آزاد مقاله

41 - Three Approaches to Time Series Forecasting of Petroleum Demand in OECD Countries
Majid Khedmati Babak Ghalebsaz-Jeddi

10.22094/joie.2018.538229

Petroleum (crude oil) is one of the most important resources of energy and its demand and consumption is growing while it is a non-renewable energy resource. Hence forecasting of its demand is necessary to plan appropriate strategies for managing future requirements. In چکیده کامل

Petroleum (crude oil) is one of the most important resources of energy and its demand and consumption is growing while it is a non-renewable energy resource. Hence forecasting of its demand is necessary to plan appropriate strategies for managing future requirements. In this paper, three types of time series methods including univariate Seasonal ARIMA, Winters forecasting and Transfer Function-noise (TF) models are used to forecast the petroleum demand in OECD countries. To do this, we use the demand data from January 2001 to September 2010 and hold out data from October 2009 to September 2010 to test the sufficiency of the forecasts. For the TF model, OECD petroleum demand is modeled as a function of their GDP. We compare the root mean square error (RMSE) of the fitted models and check what percentage of the testing data is covered by the confidence intervals (C.I.). Accordingly we conclude that Transfer Function model demonstrates a better forecasting performance. پرونده مقاله

دسترسی آزاد مقاله

42 - Investigative and Comparative Approach for Worldwide Information and local perceptions Induced by Climate Change and its Correspondence
Abbas ali Tayefi Nasrabadi Atefeh Dehghan Touranposhti

A new challenge which the world will face in near future is the reduction of water resources regarding to global climate changes. Climate change is one of the phenomena which will threats future of the universe. Iran locates in an arid and semi-arid region and has limit چکیده کامل

A new challenge which the world will face in near future is the reduction of water resources regarding to global climate changes. Climate change is one of the phenomena which will threats future of the universe. Iran locates in an arid and semi-arid region and has limited water resources. Based on global and Intergovernmental Panel on Climate Change (IPCC) board database and the statistics of some selected synoptic stations (Tabriz, Bilghan, Mashhad) to obtain an appropriate spatial distribution in northern part of the country, we have considered the climate change and its effects on Iran`s water resources. Based on IPCC scenarios the temperature will grow 1-2 degrees in these regions till 2020 and precipitation will decline to 20%, this will directly influence the condition of water resources of these regions and new challenges. This procedure and its changes will be considered through statistical analysis and graphical description of data gathered through selected synoptic stations databases. Regarding climate changing effects on water resources, studying the karst water resources of Northern Khorasan indicated a significant reduction among the springs' discharge in these resources. پرونده مقاله

دسترسی آزاد مقاله

43 - پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی
بیتا دلنواز اصغری میر فیض فلاح شمس

اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از س چکیده کامل

اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از سریها ناموفق بوده‌اند. در تحقیق حاضر برای پیش‌بینی شاخص کل بورس از مدل شبکه‌های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در سه ساختار شبکه با الگوهای متفاوت ورودی استفاده گردید و نتایج مدل با نتایج مدل‌های رگرسیون چند متغیره و مدل‌های ARIMA مورد مقایسه قرار گرفت. نتایج تحقیق نشان داد که روش شبکه‌های عصبی خطای RMSE به میزان قابل توجهی کمتر از RMSE روشهای دیگر است و در بازار بورس اوراق بهادارتهران پیش‌بینی کوتاه مدت با فاصله زمانی کمتر، مناسب‌تر از پیش‌بینی بلند مدت با فاصله زمانی طولانی تر است. 3. autoregressive integrated moving average 4. Feed Forward Neural network 5. back propagation پرونده مقاله

دسترسی آزاد مقاله

44 - بررسی تغییرات و پیش بینی وضعیت آتی پوشش گیاهی منطقه دشت فهله استان فارس با تأکید بر ویژگیهای آب و هوایی
محمد جواد بهی محمد حسین مختاری غلامحسین مرادی محمد علی صارمی نائینی

هدف از بررسی حاضر ارزیابی تغییرات زمانی و مکانی پوشش گیاهی در منطقه ملا فهله فیروزآباد استان فارس است. داده های شاخص استاندارد پوشش گیاهی ماهواره های لندست 5، 7 و 8 و داده های بارش و شاخص پالمر که به صورت محصول سنجش از دور در دسترس است در بازه زمانی 1992 تا 2020 و از پر چکیده کامل

هدف از بررسی حاضر ارزیابی تغییرات زمانی و مکانی پوشش گیاهی در منطقه ملا فهله فیروزآباد استان فارس است. داده های شاخص استاندارد پوشش گیاهی ماهواره های لندست 5، 7 و 8 و داده های بارش و شاخص پالمر که به صورت محصول سنجش از دور در دسترس است در بازه زمانی 1992 تا 2020 و از پردازنده گوگل ارث انجین استخراج شدند. به منظور پیش بینی تغییرات پوشش گیاهی در آینده از روش زنجیره مارکف استفاده شد. با استفاده از داده های سال های 1992 و 2002 ابتدا مدل برای سال 2020 اجرا شد و به دلیل مناسب بودن نتایج (شاخص کاپا 75 درصد)، پیش بینی برای سال 2030 صورت گرفت. نتایج بدست آمده حاکی از روند رو به بهبود پوشش گیاهی در منطقه است به شکلی که پوشش متراکم از 4 درصد در دوره ابتدایی به 19 درصد افزایش خواهد یافت. نتایج این بررسی می تواند به مدیران مراتع منطقه در بهره برداری بهتر از منابع طبیعی منطقه کمک کرده و مانع از تخریب این اکوسیستم شود. پرونده مقاله

دسترسی آزاد مقاله

45 - آشکارسازی و روند انتقال سری زمانی پوشش زمین با استفاده از GIS و فناوری سنجش از دور در مناطق پیراشهری (مطالعه موردی: بخش کجور)
یوسف درویشی محمد عینعلی امینه انجم شعاع

رشد روزافزون جمعیت و در پی آن گسترش افقی روستاها منجر به تغییرات کاربری اراضی به‌ویژه در مناطق حفاظتی شده که تخریب عرصه های طبیعی را در پی داشته است. جهت استفاده بهینه از زمین، آگاهی از تغییرات کاربری اراضی و نوع استفاده انسان از سرزمین ضروری به نظر می‌رسد که این امر با چکیده کامل

رشد روزافزون جمعیت و در پی آن گسترش افقی روستاها منجر به تغییرات کاربری اراضی به‌ویژه در مناطق حفاظتی شده که تخریب عرصه های طبیعی را در پی داشته است. جهت استفاده بهینه از زمین، آگاهی از تغییرات کاربری اراضی و نوع استفاده انسان از سرزمین ضروری به نظر می‌رسد که این امر با آشکارسازی تغییرات کاربری اراضی میسر می‌گردد. لذا به منظور حفاظت از این منطقه، نه تنها شناخت مناسب از عوامل انسانی، بلکه نقش عوامل طبیعی از جمله پوشش گیاهی بسیار با اهمیت می باشد. در تحقیق حاضر از تصاویر ماهواره لندست در 7 دوره زمانی استفاده شد. به منظور بررسی و تحلیل تغییرات پوشش گیاهی در منطقه مورد مطالعه از شاخص های EVI,DVI و NDVI بهره گرفته شد. در مطالعه حاضر، بر اساس اهداف مدلسازی، بررسی تغییرات پوشش جنگل در محدوده‌ ی مورد مطالعه با استفاده از تصاویر ماهواره‌ای لندست(4،5 و 8) برای سال‌های 1985، 1990، 1995 ، 2000، 2010، 2015 و 2017 انجام شده است. تصاویر رنگی کاذب سنجنده OLI مورد استفاده به باند پانکروماتیک با 20 نقطه کنترل زمینی و با رعایت RMSe مناسب (28/0) زمین مرجع شد سپس تصاویر سنجنده‌های MSS و TM به روش تصویر به تصویر با RMSe کمتر از 5/0 زمین مرجع شدند. در همین راستا اجرای مدل سازی پتانسیل انتقال با الگوریتم رویه یادگیری بر مبنای پرسپترون چند لایه (Multilayer Perceptron) و پیش بینی تغییرات برای بهترین مدل با استفاده از زنجیره مارکف انجام شد. سپس برای ارزیابی صحت مدل سازی با آماره های Hit، Misses و False alarm استفاده گردید. نتایج حاصل از بررسی شاخص‌ های پوشش گیاهی بیانگر بهبود وضعیت پوشش در بازه مورد بررسی بودند. نتایج حاصل از بررسی شاخص‌ های پوشش گیاهی بیانگر بهبود وضعیت پوشش در بازه مورد بررسی بودند. بررسی کاربری اراضی نیز گویای این مطلب بود که با روند فعلی از مساحت اراضی فاقد پوشش کاسته شده و به مساحت طبقه پوشش مرتع و پوشش جنگل افزوده خواهد شد. بنابراین بهبود شرایط پوشش را می توان به اعمال عملیات حفاظتی نسبت داد. پرونده مقاله

دسترسی آزاد مقاله

46 - تحلیل عوامل مؤثر بر قیمت مسکن در شهر تهران
میرحسین موسوی حسین درودیان

چکیده در مقاله حاضر عوامل مؤثر بر نوسانات قیمت مسکن در تهران مورد بررسی قرار گرفته است. با شاخص‌سازی‌ و تلفیق برخی متغیرها، در نهایت تأثیر قیمت زمین، هزینه ساخت، نرخ بهره حقیقی، سرانه ساختمان‌های مسکونی تکمیل شده، نقدینگی و بازدهی بازارهای رقیب با استفاده از داده‌های ف چکیده کامل

چکیده در مقاله حاضر عوامل مؤثر بر نوسانات قیمت مسکن در تهران مورد بررسی قرار گرفته است. با شاخص‌سازی‌ و تلفیق برخی متغیرها، در نهایت تأثیر قیمت زمین، هزینه ساخت، نرخ بهره حقیقی، سرانه ساختمان‌های مسکونی تکمیل شده، نقدینگی و بازدهی بازارهای رقیب با استفاده از داده‌های فصلی مورد اندازه‌گیری قرار گرفت. برای تخمین، از روش سری‌های زمانی ساختاری و الگوریتم کالمن فیلتر استفاده شد تا با به‌کارگیری روش حداکثر راستنمایی پارامترهای نامعلوم برآورد شود. نتایج نشان‌دهنده معنا‌داربودن تأثیر منفی نرخ بهره حقیقی، بازدهی دارایی‌های جایگزین (طلا، ارز، سهام)، سرانه ساختمان‌های مسکونی تکمیل شده و تأثیر مثبت هزینه ساخت در کنار اثرگذاری ناچیز و غیرمعنادار رشد نقدینگی است. ارتباط قوی قیمت زمین و مسکن نیز بیشتر به همزمانی حرکات این دو متغیر مربوط است تا اثرگذاری علّی. از جمله دلالت‌های سیاستی نتایج آن است که کنترل نوسانات بازار مسکن باید معطوف به تقویت روند عرضه و کنترل هزینه‌های ساخت به عنوان دو عامل مهم درون‌بخشی مؤثر بر قیمت مسکن باشد. پرونده مقاله

دسترسی آزاد مقاله

47 - پیش‌بینی بار الکتریکی با بکارگیری مدل‌های ترکیبی پرسپترون‌های چندلایه و خودرگرسیون میانگین متحرک انباشته فصلی
فاطمه چاهکوتاهی مهدی خاشعی

امروزه صرفه‌جویی در زمان و اقتصاد یک کشور نیازمند برنامه‌ریزی، تصمیم‌گیری و پیش‌بینی‌های درست و منطقی در حوزه‌های مختلف می‌باشد. یکی از این حوزه‌های مطرح در هر کشور، پیش‌بینی بار الکتریکی می‌باشد. این کالا (الکتریسیته) با توجه به اینکه قابل ذخیره‌سازی نمی‌باشد، پیش‌بینی چکیده کامل

امروزه صرفه‌جویی در زمان و اقتصاد یک کشور نیازمند برنامه‌ریزی، تصمیم‌گیری و پیش‌بینی‌های درست و منطقی در حوزه‌های مختلف می‌باشد. یکی از این حوزه‌های مطرح در هر کشور، پیش‌بینی بار الکتریکی می‌باشد. این کالا (الکتریسیته) با توجه به اینکه قابل ذخیره‌سازی نمی‌باشد، پیش‌بینی آن با حساسیت بالاتری انجام می‌گیرد. همچنین علاوه بر غیرقابل ذخیره‌بودن، در مصرف این کالا الگوهای مختلفی دیده می‌شود که مدل‌سازی آن را با روش‌های کلاسیک دشوار می‌سازد. بنابراین نیاز به روشی است که بتواند الگوهای موجود در داده‌های مرتبط با این بازار را مدل‌سازی نماید. در این مقاله از یک روش ترکیبی موازی که مدل‌های کلاسیک خطی را با مدل‌های هوش محاسباتی ترکیب می‌کند، استفاده گردیده است. ایده اصلی مدل پیشنهادی، استفاده همزمان از مدل‌های مذکور در مدل‌سازی خطی و غیرخطی‌ای که با الگوهای فصلی همراهند، می‌باشد. همچنین نتایج نشان می‌دهد که در این روش به دلیل استفاده از یک روش وزن‌دهی مستقیم، هزینه محاسباتی مدل‌سازی آن به‌صورت قابل‌توجهی از سایر روش‌های ترکیبی موازی پایین‌تر می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

48 - بازسازی فضای حالت سری‌های زمانی آشوبی با استفاده از یک روش هوشمند
مریم پری زنگنه محمد عطایی پیمان معلم

استفاده از سری‌های زمانی (منظور مشاهدات ما از فرآیند برحسب زمان) یک راه‌حل مؤثر در تحلیل این سیستم‌ها می‌باشد. در واقع تأکید روی این هدف است که چگونه می‌توان از مشاهداتی به فرم سری زمانی اسکالر از فرآیند، که تنها اطلاعات ما در مورد بعضی از سیستم‌ها می‌باشد، به ساختار فض چکیده کامل

استفاده از سری‌های زمانی (منظور مشاهدات ما از فرآیند برحسب زمان) یک راه‌حل مؤثر در تحلیل این سیستم‌ها می‌باشد. در واقع تأکید روی این هدف است که چگونه می‌توان از مشاهداتی به فرم سری زمانی اسکالر از فرآیند، که تنها اطلاعات ما در مورد بعضی از سیستم‌ها می‌باشد، به ساختار فضای حالت با بُعد محدود رسید. بازسازی فضای حالت بر مبنای نظریه محاط بنا شده که کاربرد آن مستلزم تعیین مقدارهای مناسبی برای دو پارامتر زمان تأخیر (τ)1 و بُعد محاط (m)2 می‌باشد. در این مقاله روشی برای تخمین پارامتر بُعد محاط جهت بازسازی فضای حالت سری‌های زمانی برگرفته از سیستم‌های دینامیکی آشوبی به کمک شبکه‌های عصبی تأخیر زمانی (TDNN) معرفی می‌شود. این روش یک ایده نو در انتخاب بُعد محاط بوده و متفاوت از روش مرسوم شمارش همسایه‌های کاذب (FNN) می‌باشد. در انتها کیفیت عملکرد روش مطرح شده با روش FNN مقایسه شده است و نتایج این مقایسه نشان از کارآیی خوب این روش دارد. پرونده مقاله

دسترسی آزاد مقاله

49 - Air quality and its impact on climate change in major urban areas across Cairo and Moscow cities
Mohammad Ali Ghoveh Nodoushan Seyedeh Mahtab Pormazar

10.30495/jonass.2023.1963930.1049

Background and objective:Air pollution and its negative effects on human health have become a major issue around the world, especially in developing countries. Air pollutants such as nitrogen dioxide, sulfur dioxide, carbon monoxide, and aerosols, in addition, they have چکیده کامل

Background and objective:Air pollution and its negative effects on human health have become a major issue around the world, especially in developing countries. Air pollutants such as nitrogen dioxide, sulfur dioxide, carbon monoxide, and aerosols, in addition, they have consequences on health, cause damage to vegetation and contribute to global climate change. Therefore, it is necessary to comprehensively monitor air pollutants and make appropriate management decisions to solve this issue. Remote sensing methods, especially Sentinel-5, the latest European Space Agency project (in cooperation with the Netherlands), which enables the recording of images in different spectral bands using the TROPOspheric Monitoring Instrument (TROPOMI) sensor, are recognized as a useful tool. A tool for monitoring all kinds of air pollutantsMaterials and methods:In this study, the most significant air contaminants such as nitrogen dioxide, sulphur dioxide, carbon monoxide, and aerosol were monitored using Sentinel-5 satellite images for Cairo and Moscow cities in 2022. A large number of level 3 images, collected from Google Earth Engine, were used in this research.Results and conclusion:The results show that due to urban development, an increase in vehicles, and increasing industrial growth, air quality in both cities is in poor condition. The decline in air quality has had a direct impact on climate change in these cities. The most important meteorological effect of climate change is on temperature. According to the results, although Moscow is located in a region with a favorable climate, high LST and rising ground temperatures in recent years can be associated with increased concentrations of air pollutants. In Cairo, the air pollution index was also at an inappropriate level, and the amount of particulate matter in this city is significantly higher than in Moscow, which can be due to the deserts around the city. پرونده مقاله

دسترسی آزاد مقاله

50 - New optimized model identification in time series model and its difficulties
احمدرضا زنبوری کریم زارع

Model identification is an important and complicated step within the autoregressive integrated moving average (ARIMA) methodology framework. This step is especially difficult for integrated series. In this article first investigate Box-Jenkins methodology and its faults چکیده کامل

Model identification is an important and complicated step within the autoregressive integrated moving average (ARIMA) methodology framework. This step is especially difficult for integrated series. In this article first investigate Box-Jenkins methodology and its faults in detecting model, and hence have discussed the problem of outliers in time series. By using this optimization method, we will overcome this problem. The method that used in this paper is better than the Box-Jenkins in term of optimality time. پرونده مقاله

دسترسی آزاد مقاله

51 - Multivariate Time Series Prediction Considering Intra-Time-Series and Inter-Time-Series Dependencies
Parinaz Eskandarian Jamshid Bagherzadeh Habibollah Pirnejad Zahra Niazkhani

A few artificial neural networks have been proposed so far for multivariate time series prediction and they used simple general-purpose neural networks. Therefore, they cannot achieve high prediction accuracy. In this paper, we propose an artificial neural network calle چکیده کامل

A few artificial neural networks have been proposed so far for multivariate time series prediction and they used simple general-purpose neural networks. Therefore, they cannot achieve high prediction accuracy. In this paper, we propose an artificial neural network called DBMTSP (Dependency Based Multivariate Time Series Prediction) to predict the next element of a time series in the multivariate case. Compared to the existing methods, DBMTSP considers both intra-time-series dependencies and inter-time-series dependencies efficiently to achieve more accurate predictions. We propose a hierarchical encoder in DBMTSP to discover inter-time-series dependencies. The proposed hierarchical encoder is able to encode secondary time series into a single parameter that represents dependencies that exist between the main time series and the secondary time series. The hierarchical encoder has a scalable design such that it can accept a large number of secondary time-series. We have trained DBMTSP using 32760 data matrices. We evaluated DBMTSP using 8190 test data matrices. Our evaluations show that DBMTSP surpasses the existing methods in term of prediction accuracy. پرونده مقاله

دسترسی آزاد مقاله

52 - Chaotic Time Series Prediction Using Optimal Fuzzy Systems Based on Sequential Quadratic Programming-Case Study: Gold Price
Rasoul Rajaei Ali Akbar Gharaveisi Seyed Mohammad Ali Mohammadi

This paper presents a fuzzy approach to the prediction of highly nonlinear timeseries. The optimized Mamdani-type fuzzy system denoted SQP-FLC is applied for the input-output modeling of measured data. In order to tune fuzzy membership functions, a sequential quadratic چکیده کامل

This paper presents a fuzzy approach to the prediction of highly nonlinear timeseries. The optimized Mamdani-type fuzzy system denoted SQP-FLC is applied for the input-output modeling of measured data. In order to tune fuzzy membership functions, a sequential quadratic programming (SQP) method is employed. The proposed method is evaluated and validated on a highly complex time series, daily gold price data. The time series is primarily investigated for its chaotic properties. Correlation dimension and autocorrelation function (ACF) for the time series are discussed. Accordingly, time delay and embedding dimension are computed. Month selection in each stage is based on computed correlation coefficients. Thus, for the proposed fuzzy predictor, 3, 5, and 7 dynamics are selected and the time series are verified. The simulation results for one-step-ahead prediction of daily gold price in 2010, compared with methods of ANFIS and GA-FLC, demonstrate comparably better performance of the proposed SQP-FLC until the higher significant dynamics of the chaotic trend is taken into account. پرونده مقاله

دسترسی آزاد مقاله

53 - A Novel Noise Reduction Method Based on Subspace Division
Amin Zehtabian Behzad Zehtabian

This article presents a new subspace-based technique for reducing the noise of signals in time-series. In the proposed approach, the signal is initially represented as a data matrix. Then using Singular Value Decomposition (SVD), noisy data matrix is divided into signal چکیده کامل

This article presents a new subspace-based technique for reducing the noise of signals in time-series. In the proposed approach, the signal is initially represented as a data matrix. Then using Singular Value Decomposition (SVD), noisy data matrix is divided into signal subspace and noise subspace. In this subspace division, each derivative of the singular values with respect to rank order is used to reduce the effect of space intersections on altering the structure of important information in the signal. On the other hand, since singular vectors are the span bases of the matrix, reducing the effect of noise from the singular vectors and using them in reproducing the matrix, enhances the information embedded in the matrix. The proposed technique utilizes the Savitzky-Golay low-pass filter for noise attenuation from the singular vectors. The enhanced matrix is finally transformed to a timeseries signal. The obtained results in this research indicate that the proposed method excels the other existing time-domain approaches in noise reduction. پرونده مقاله

دسترسی آزاد مقاله

54 - Chaotic Time Series Prediction by Auto Fuzzy Regression Model
Haleh Nazari Homayun Motameni Babak Shirazi

Since the pioneering work of Zadeh, fuzzy set theory has been applied to a myriad of areas. Song and Chissom introduced the concept of fuzzy time series and applied some methods to the enrolments of the University of Alabama. Thereafter we apply fuzzy techniques for sys چکیده کامل

Since the pioneering work of Zadeh, fuzzy set theory has been applied to a myriad of areas. Song and Chissom introduced the concept of fuzzy time series and applied some methods to the enrolments of the University of Alabama. Thereafter we apply fuzzy techniques for system identification and apply statistical techniques to modelling system. An automatic methodology framework that combines fuzzy techniques and statistical techniques for nonparametric residual variance estimation is proposed. The methodology framework is creating regression model by using fuzzy techniques. Identification is performed through learning from examples method introduced by Wang and Mendel algorithm. Delta test residual noise estimation is used in order to select the best subset of inputs as well as the number of linguistic labels for the inputs. An experimental result for chaotic time series prediction are compared with statistical model and shows the advantages of the proposed methodology in terms of approximation accuracy, generalization capability and linguistic interpretability. پرونده مقاله

دسترسی آزاد مقاله

55 - تحلیل روند تغییرات دمایی شهرستان اهواز بر اساس شاخص های حدی
علیرضا شکیبا عین اله خلیلی آمنه دشت بزرگی

در مطالعه حاضر بررسی و تحلیل روند تغییرات دمایی شهرستان اهواز(1964-2003) با استفاده از شش شاخص آستانه ای دما انجام گرفته است. این شاخص ها شامل شبهای سرد، روزهای سرد، شبهای گرم، روزهای گرم، روزهای تابستان و میزان اختلاف درجه حرارت می باشند. نتایج بدست آمده در این تحقیق ن چکیده کامل

در مطالعه حاضر بررسی و تحلیل روند تغییرات دمایی شهرستان اهواز(1964-2003) با استفاده از شش شاخص آستانه ای دما انجام گرفته است. این شاخص ها شامل شبهای سرد، روزهای سرد، شبهای گرم، روزهای گرم، روزهای تابستان و میزان اختلاف درجه حرارت می باشند. نتایج بدست آمده در این تحقیق نشان می دهد شرایط اقلیمی اهواز نسبت به گذشته گرمتر شده است. تغییرات شاخص های شبهای سرد و روزهای سرد روند کاهشی چشمگیری را نشان می دهد. شاخص های روزهای گرم، شبهای گرم و روزهای تابستان روند افزایشی داشته اند. شاخص اختلاف میزان درجه حرارت در طول دوره آماری40 ساله روند کاهشی شدیدی داشته است. در محاسبه پیش بینی مقادیر 10 سال آینده بر اساس مدلهای ARIMA ادامه روند گرمایشی اهواز مشاهده شده است. به طور کلی شرایط دما اهواز نسبت به گذشته دوره های گرمتری را تجربه کرده است این روند در مقادیر 10 سال آینده نیز قابل مشاهده است. پرونده مقاله

دسترسی آزاد مقاله

56 - Forecasting S&P 500 index using artificial neural networks and design of experiments
Seyed Taghi Akhavan Niaki Saeid Hoseinzade

The main objective of this research is to forecast the daily direction of Standard & Poor's 500 (S&P 500) index using an artificial neural network (ANN). In order to select the most influential features (factors) of the proposed ANN that affect the daily direction of S& چکیده کامل

The main objective of this research is to forecast the daily direction of Standard & Poor's 500 (S&P 500) index using an artificial neural network (ANN). In order to select the most influential features (factors) of the proposed ANN that affect the daily direction of S&P 500 (the response), design of experiments are conducted to determine the statistically significant factors among 27 potential financial and economical variables along with a feature defined as the number of nodes of the ANN. The results of employing the proposed methodology show that the ANN that uses the most influential features is able to forecast the daily direction of S&P 500 significantly better than the traditional logit model. Furthermore, experimental results of employing the proposed ANN on the trades in a test period indicate that ANN could significantly improve the trading profit as compared with the buy-and-hold strategy. پرونده مقاله

دسترسی آزاد مقاله

57 - A new adaptive exponential smoothing method for non-stationary time series with level shifts
Mohammad Ali Saniee Monfared Razieh Ghandali Maryam Esmaeili

Simple exponential smoothing (SES) methods are the most commonly used methods in forecasting and time series analysis. However, they are generally insensitive to non-stationary structural events such as level shifts, ramp shifts, and spikes or impulses. Similar to that چکیده کامل

Simple exponential smoothing (SES) methods are the most commonly used methods in forecasting and time series analysis. However, they are generally insensitive to non-stationary structural events such as level shifts, ramp shifts, and spikes or impulses. Similar to that of outliers in stationary time series, these non-stationary events will lead to increased level of errors in the forecasting process. This paper generalizes the SES method into a new adaptive method called revised simple exponential smoothing (RSES), as an alternative method to recognize non-stationary level shifts in the time series. We show that the new method improves the accuracy of the forecasting process. This is done by controlling the number of observations and the smoothing parameter in an adaptive approach, and in accordance with the laws of statistical control limits and the Bayes rule of conditioning. We use a numerical example to show how the new RSES method outperforms its traditional counterpart, SES. پرونده مقاله

دسترسی آزاد مقاله

58 - A hybrid computational intelligence model for foreign exchange rate forecasting
M Khashei F Mokhatab Rafiei M Bijari S.R Hejazi

Computational intelligence approaches have gradually established themselves as a popular tool for forecasting the complicated financial markets. Forecasting accuracy is one of the most important features of forecasting models; hence, never has research directed at impro چکیده کامل

Computational intelligence approaches have gradually established themselves as a popular tool for forecasting the complicated financial markets. Forecasting accuracy is one of the most important features of forecasting models; hence, never has research directed at improving upon the effectiveness of time series models stopped. Nowadays, despite the numerous time series forecasting models proposed in several past decades, it is widely recognized that exchange rates are extremely difficult to forecast. Artificial Neural Networks (ANNs) are one of the most accurate and widely used forecasting models that have been successfully applied for exchange rate forecasting. In this paper, a hybrid model is proposed based on the basic concepts of artificial neural networks in order to yield more accurate results than the traditional ANNs in short span of time situations. Three exchange rate data sets—the British pound, the United States dollar, and the Euro against the Iran rial-are used in order to demonstrate the appropriateness and effectiveness of the proposed model. Empirical results of exchange rate forecasting indicate that hybrid model is generally better than artificial neural networks and other models presented for exchange rate forecasting, in cases where inadequate historical data are available. Therefore, our proposed model can be a suitable alternative model for financial markets to achieve greater forecasting accuracy, especially in incomplete data situations. پرونده مقاله

دسترسی آزاد مقاله

59 - استفاده از روش های آماری تحلیل سری های زمانی برای تعیین بسیار سریع و دقیق نقاط تعادلی ترمودینامیکی سامانه های گاز-آب-هیدرات در حجم ثابت
اکبر ایراندوخت

در این پژوهش، یک روش بسیار سریع و دقیق برای تعیین نقاط تعادلی در سامانه های گاز-آب-هیدرات ارائه شده است. در این روش فقط داده های دما و فشار در مرحله سردکردن برای تعیین نقاط تعادلی تشکیل هیدرات مورد نیاز است. با به کارگیری مفاهیم آماری تحلیل سری های زمانی و همچنین، روش ج چکیده کامل

در این پژوهش، یک روش بسیار سریع و دقیق برای تعیین نقاط تعادلی در سامانه های گاز-آب-هیدرات ارائه شده است. در این روش فقط داده های دما و فشار در مرحله سردکردن برای تعیین نقاط تعادلی تشکیل هیدرات مورد نیاز است. با به کارگیری مفاهیم آماری تحلیل سری های زمانی و همچنین، روش جمع تجمعی در تشخیص نقطه تغییر، زمان موردنیاز برای تعیین نقاط تعادلی تشکیل/ تجزیه هیدرات به شدت کاهش می یابد و نتیجه های دقیق تری به دست می آید. با این روش، چهار آزمایش برای تعیین شرایط تعادلی دما و فشار برای گاز اتان انجام شد. درصد میانگین انحراف مطلق با داده های تجربی دیتون-فراست، معادله تصحیح کامات و نرم افزارهای AQUAlibrium و CSMHYD برای داده های تکراری به ترتیب 67/5، 49/2، 54/9 و 89/1 به دست آمد. همچنین، یکی از آزمایش های پژوهشگران دانشگاه کرتین استرالیا در باره اثر ppm 1000 از ماده سطح فعال pTSA در هیدرات متان با این روش بررسی شد. درصد انحراف مطلق نسبت به داده تجربی و تخمین مدل سازی ترمودینامیکی آماری ایشان به ترتیب 23/0 و 89/1 به دست آمد. پرونده مقاله

دسترسی آزاد مقاله

60 - Reactive Power Management in Micro Grid with Considering Power Generation Uncertainty and State Estimation
Mohammad Reza Forozan Nasab Javad Olamaei

Optimal reactive power dispatch problem in power systems has thrown a growing influence on secure and economic operation, nonlinear and multi- modal problems. Used methods in this issue can be divided into two categories: First, the classical methods like linear program چکیده کامل

Optimal reactive power dispatch problem in power systems has thrown a growing influence on secure and economic operation, nonlinear and multi- modal problems. Used methods in this issue can be divided into two categories: First, the classical methods like linear programming (LP), nonlinear programing (NLP), quadratic programming (QP), interior point methods (IPM), Newton-bused methods, and the second, heuristic methods like genetic algorithm (GA), evolutionary programming (EP), and particle swarm optimization (PSO). In this paper, projected quasi-Newton method (PQN) is used as an optimal algorithm. This algorithm is applied on a 6-bus micro grid in medium voltage level. To make the problem more realistic, a wind turbine is put in one of the buses to consider uncertainty in power generation. Also two buses data are not available to add state estimation to the problem. For troubleshooting of power generation uncertainty, time series prediction model is used to predict wind speed. To overcome the problems of unavailability of some bases information, maximum likelihood weighted least squares estimation (MLWLSE) is used. Finally obtained information is used to optimize the reactive power in micro grid. پرونده مقاله

دسترسی آزاد مقاله

61 - ارزیابی مدل‏های خطی و غیرخطی در پیش‏بینی شاخص قیمت سهام در بورس اوراق بهادار تهران
علی اکبر خسروی نژاد مرجان شعبانی صدر پیشه

باتوجه به تاثیر بازار بورس در تامین مالی و توسعه کشور، یافتن روشی مناسب برای پیش بینی بازار سهام اهمیت بسیاری دارد. به دلیل امکان وجود روابط غیرخطی در بازارهای مالی، هدف این مقاله، ارزیابی قدرت پیش بینی مدل های خطی و غیرخطی در بازار سهام است. ابتدا با استفاده از مدل سری چکیده کامل

باتوجه به تاثیر بازار بورس در تامین مالی و توسعه کشور، یافتن روشی مناسب برای پیش بینی بازار سهام اهمیت بسیاری دارد. به دلیل امکان وجود روابط غیرخطی در بازارهای مالی، هدف این مقاله، ارزیابی قدرت پیش بینی مدل های خطی و غیرخطی در بازار سهام است. ابتدا با استفاده از مدل سری های زمانی و شبکه عصبی مصنوعی[i]، متغیر هفتگی شاخص قیمت سهام در بورس اوراق بهادار تهران در سال های 83 تا 87 برآورد شده و سپس قدرت پیش بینی دو مدل در سال های 87 تا 89 آزمون شده است. نتایج، بیانگر عدم اختلاف معنی دار دو مدل می باشد [i]. Artifitial Neural Network پرونده مقاله

دسترسی آزاد مقاله

62 - بررسی امکان پیش بینی شاخص قیمت سهام در بازار سرمایه ایران و مقایسه توان پیش بینی مدلهای خطی و غیرخطی
کریم امامی قدرت الله امام وردی

سری های زمانی بسیار پیچیده مانند قیمتهای بازار سهام،معمولا تصادفی بوده ،در نتیجه تغییرات آنها غیر قابل پیش بینی فرض می شود.در بیشتر موارد در بررسی مشاهدات اماری مربوط به متغیرهای اقتصادی از جمله قیمت بازار سهام از آزمونهایی استفاده شده که در مواجهه با داده های آشوبی به چکیده کامل

سری های زمانی بسیار پیچیده مانند قیمتهای بازار سهام،معمولا تصادفی بوده ،در نتیجه تغییرات آنها غیر قابل پیش بینی فرض می شود.در بیشتر موارد در بررسی مشاهدات اماری مربوط به متغیرهای اقتصادی از جمله قیمت بازار سهام از آزمونهایی استفاده شده که در مواجهه با داده های آشوبی به اشتباه افتاده و انها را در داده های تصادفی تشخیص داده اند.در حالی که این داده ها در واقع،از مقام های معینی به و جود می ایند که با اختلالاتی جزیی همراه می باشد.به همین دلیل آزمونهای پیش بینی پذیری و غیر خطی برای بررسی و جود روند آشوبی معین و فرایندهای غیر خطی در سری زمانی شاخص روزانه سهام بازار اوراق بهادار تهران در بازه زمانی 1379/8/1 تا 1386/7/2 مورد استفاده قرار داده ایم که از جمله می توان به آزمونهای BDS,HURST، تسلسل و بعد همبستگی اشاره نمود که نتایج به دست آمده نشان دهنده پیش بینی پذیری و وجود روند غیر خطی در داده های مورد بررسی بوده است.پس از حصول اطمینان از پیش بینی پذیری و وجود روند غیر خطی در داده های شاخص روزانه سهام،جهت ارائه مدل مناسب برای پیش بینی شاخص قیمت سهام،مدل های سری زمانی خطی (AR) و غیر خطی(GARCH)و شبکه عصبی مصنوعی(ANN) برآورد کرده،سپس،نتایج به دست امده از پیش بینی توسط این مدلها را با استفاده از معیارهای CDC,RMSE,MAE,MAPEو آماره U-THEILمورد مقایسه قرار داده ایم.نتایج به دست امده از مقایسه توان پیش بینی این مدلها بیانگر توان بالای پیش بینی در مدلهای شبکه عصبی مصنوعی نسبت به مدلهای دیگر است. پرونده مقاله

دسترسی آزاد مقاله

63 - تأثیر خبر افزایش قیمت خوراک پتروشیمی بر شاخص بازار سهام تهران
سعید نایب منیژه هادی نژاد فرشته شمس صفا

چکیده بازار سرمایه به مثابه پل ارتباطی بین پس انداز کنندگان انفرادی و نهادی و سرمایه گذاران نیازمند وجوه با انجام دو وظیفه مهم تامین منابع مالی دراز مدت و مدیریت خطرپذیری (ریسک) نقش بسزایی در افزایش ضریب اطمینان و حجم سرمایه گذاری ها، به ویژه در فعالیت های بلندمدت اقتص چکیده کامل

چکیده بازار سرمایه به مثابه پل ارتباطی بین پس انداز کنندگان انفرادی و نهادی و سرمایه گذاران نیازمند وجوه با انجام دو وظیفه مهم تامین منابع مالی دراز مدت و مدیریت خطرپذیری (ریسک) نقش بسزایی در افزایش ضریب اطمینان و حجم سرمایه گذاری ها، به ویژه در فعالیت های بلندمدت اقتصادی ایفا می نماید. امروزه صنعت پتروشیمی باسهم۲۱ درصدی از میانگین ارزش معامله های روزانه بورس تهران درسال ۱۳۹۲ از جایگاه ویژه ای در بازار سرمایه برخوردار است. این صنعت علاوه بر ارزش افزوده ای که در مقابل خام فروشی منابع عظیم نفتی و گازی ایجاد می نماید، سهم قابل توجه ای را در معامله های بازار بورس از طریق جمع آوری پس اندازهای خرد جامعه بر عهده داشته است. افزایش قیمت خوراک گاز پتروشیمی به دلیل ترس و نگرانی بر عملکرد این صنعت از مدت ها پیش مورد نقد کارشناسان و تصمیمگیران اقتصادی در محافل علمی و سیاست‌گذاری بوده است. این سیاستدر سال ۱۳۹۲ توسط مجلس شورای تصویب و بر اساس بودجه سال ۱۳۹۳ اجرایی شد. هدف بررسی پژوهش حاضر بررسی تأثیر خبر افزایش قیمت خوراک پتروشیمی بر شاخص های بازار سهام تهران است. در این تحقیق داده های سری زمانی به صورت روزانه، از تاریخ ۱/۷/۹۱ تا ۳۰/۷/۹۳ از طریق مدل های خانواده ARCH و با استفاده از متغیرهای مجازی تحلیل شده است. یافته های الگو مبین اثر معنادار خبر افزایش قیمت خوراک پتروشیمی قبل از تصویب بر شاخص های بازار سهام تهران است که بازدهی این صنعت را با روند مثبتی تحت تأثیر قرار داده است. پرونده مقاله

دسترسی آزاد مقاله

64 - بهینه سازی تقاضای بنزین ازطریق نظام قیمت گذاری و بهبود کارایی موتورخودروها (در چارچوب الگوی خودرگرسیونی با وقفه‌های توزیعی و مدل تصحیح خطا در دوره زمانی 1366 تا 1395)
محمدرضا شهبازی امیر حسین جانمحمدی مهدی صادقی شاهدانی

مصرف بنزین در ایران دارای متوسط رشد سالانه 2.8درصد طی سال‌های 95- 1366 بوده‌است. شناخت درست از عوامل موثر بر مصرف بنزین در کوتاه‌مدت و بلند‌مدت می‌تواند زمینه را برای اتخاذ سیاست‌های مناسب در این حوزه فراهم آورد. ارتقای کارایی و اصلاح الگوی مصرف ، امری ضروری برای پاسخگو چکیده کامل

مصرف بنزین در ایران دارای متوسط رشد سالانه 2.8درصد طی سال‌های 95- 1366 بوده‌است. شناخت درست از عوامل موثر بر مصرف بنزین در کوتاه‌مدت و بلند‌مدت می‌تواند زمینه را برای اتخاذ سیاست‌های مناسب در این حوزه فراهم آورد. ارتقای کارایی و اصلاح الگوی مصرف ، امری ضروری برای پاسخگویی به تقاضای روزافزون مصرف بنزین می‌باشد که در سیاست‌های کلی اقتصاد مقاومتی مورد تاکید واقع شده است. در این مقاله به بررسی تاثیر متغیرهای قیمت واقعی بنزین، متوسط درآمد واقعی خانوار و کارایی موتور خودروها در قالب یک مدل اقتصـادسنجی و با استفاده از روش مدلسازی سری زمانی در ایران طی دوره 95- 1366 پرداخته شده‌است. مدل برآورد شده با استفاده از الگوی خودرگرسیونی با وقفه‌های توزیعی و مدل تصحیح خطا می‌باشد. نتایج برآورد حاکی از آن ‌است که از میان متغیرهای به‌کار رفته، مصرف بنزین با قیمت واقعی بنزین و کارایی موتورخودروها رابطه معکوس دارد، و نیز با متوسط درامد واقعی خانوار رابطه مستقیم دارد. با توجه به نتایج به دست آمده ، تاثیر1 درصد بهبود در کارایی موتور خودروها در کاهش مصرف سوخت، 17 برابر بیشتر از 1 درصد افزایش در قیمت واقعی بنزین در کاهش مصرف سوخت می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

65 - پیش بینی روند حرکت قیمت جهانی طلا با رویکرد مدل‌سازی توزیع‌های حاشیه‌ای: کاربردی از مدلهای گارچ کاپولای گوسی و تی
محمد رضا حدادی یونس نادمی حامد فرهادی

با توجه به اهمیت قیمت طلا در بازارهای مالی ، روند تغییرات قیمت طلا در اقتصاد ملی و جهانی، توجه بسیاری از محققان و تحلیلگران اقتصادی را به خود جلب کرده است. از این رو هدف اصلی این مطالعه، ، پیش‌بینی روند حرکت قیمت طلای جهانی می‌باشد. این پژوهش با هدف معرفی یک الگوی ترکیب چکیده کامل

با توجه به اهمیت قیمت طلا در بازارهای مالی ، روند تغییرات قیمت طلا در اقتصاد ملی و جهانی، توجه بسیاری از محققان و تحلیلگران اقتصادی را به خود جلب کرده است. از این رو هدف اصلی این مطالعه، ، پیش‌بینی روند حرکت قیمت طلای جهانی می‌باشد. این پژوهش با هدف معرفی یک الگوی ترکیبی از مدل‌های کاپولا و مدل گارچ کلاسیک (GARCH-Copula) و مقایسه آن با مدل‌های خانواده گارچ، جهت پیش‌بینی روند حرکت قیمت جهانی طلا در بازه زمانی 04/ 01/ 2000 تا 26/ 06/ 2018، در افق‌های پیش‌بینی 1، 5، 10، و 22 روزه، صورت پذیرفته است. دقت پیش‌بینی مدل‌های مذکور با استفاده از معیار خطای RMSE، مورد ارزیابی و مقایسه قرار گرفته‌اند نتایج بدست آمده حاکی از آن بود که در افق‌های پیش‌بینی کوتاه‌مدت مدل کاپولای نرمال با توزیع حاشیه‌ای GARCH-t و در افق پیش‌بینی بلند مدت مدل کاپولای تی با توزیع حاشیه‌ای GARCH-t از عملکرد بهتری نسبت به مدل‌های رقیب برخوردار بودند. مدل ترکیبی معرفی شده در این پژوهش دارای پتانسیل بالایی در جهت پیش‌بینی روند حرکت قیمت طلای جهانی می‌باشد، بنابراین استفاده از این مدل برای سرمایه‌گذاران بخش‌های مختلف، تحلیلگران اقتصادی و نیز برنامه‌ریزان کلان کشور نتایج ارزنده ای را می‌تواند داشته باشد. پرونده مقاله

دسترسی آزاد مقاله

66 - فیلترینگ یک طرفه و دوطرفه ریسک با استفاده از مدل عاملی پویای تعمیم یافته در بورس اوراق بهادار تهران
امیر سرآبادانی علی باغانی محسن حمیدیان قدرت الله امام وردی نوروز نوراله زاده

چکیدهبرآورد ریسک بدون در نظر گرفتن عوامل مرتبط و فقط با تمرکز بر روی چند سری معادلات، پیش‌بینی‌های غیرمعمولی را ایجاد می‌کند. در این مطالعه از اطلاعات یک صفحه بزرگ‌سری‌های زمانی و روشی جدید برای برآورد ریسک استفاده نمودیم. این برآورد با استفاده از بازده داده‌های روزانه چکیده کامل

چکیدهبرآورد ریسک بدون در نظر گرفتن عوامل مرتبط و فقط با تمرکز بر روی چند سری معادلات، پیش‌بینی‌های غیرمعمولی را ایجاد می‌کند. در این مطالعه از اطلاعات یک صفحه بزرگ‌سری‌های زمانی و روشی جدید برای برآورد ریسک استفاده نمودیم. این برآورد با استفاده از بازده داده‌های روزانه سری زمانی 25 شاخص‌ مختلف بورس اوراق بهادار تهران در بازه ده‌ساله از 1387 الی 1397 بر اساس یک مدل عاملی پویای تعمیم‌یافته (GDFM) انجام شد. ابتدا با استفاده از مدل عاملی پویای توسعه‌یافته توسط فورنی و همکاران نسبت به تعیین تعداد عوامل استاتیک و دینامیک مدل عاملی اقدام نموده و در ادامه نوسانات جزء مشترک سری‌های تحت مطالعه را با کمک نرم‌افزار MATLAB فیلتر نموده و به‌عنوان ریسک بورس اوراق بهادار تهران برآورد نمودیم. در ادامه از روش حداقل مربعات تعمیم‌یافته (GLS)، تأثیر ریسک‌های فیلتر شده را بر روی بازده شاخص کل بورس موردبررسی قراردادیم. نتایج نشان داد اگر چه ریسکهای برآورد شده از طریق فیلترینگ یک‌طرفه و فیلترینگ دوطرفه به‌صورت معنی‌داری تغییرات بازده شاخص کل بورس موردمطالعه را توضیح می‌دهند، اما ریسک برآورد شده از طریق فیلتر دوطرفه با استفاده از مدل عاملی پویای تعمیم‌یافته، تغییرات بازده را بسیار بهتر از فیلتر یک‌طرفه با استفاده از همان مدل توضیح می‌دهد. پرونده مقاله

دسترسی آزاد مقاله

67 - ارائه مدلی برای پیش‌بینی سری زمانی قیمت های نویزدار سهام با استفاده از تحلیل طیف تکین، رگرسیون بردار پشتیبان بهمراه بهینه‌سازی ازدحام ذرات و مقایسه آن با عملکرد مدل های تبدیل موجک، شبکه عصبی، فرآیند میانگین متحرک خودرگرسیون و رگرسیون چندجمله‌ای
شعبان محمدی هادی سعیدی عبدالحسین طالبی نجف آبادی قاسم الهی شیروان

در این پژوهش مدلی برای تحلیل و پیش‌بینی سری زمانی مالی نویزدار قیمت سهام با استفاده از تحلیل طیف تکین و رگرسیون بردار پشتیبان همراه با بهینه‌سازی ازدحام ذرات ارائه شده است. بدین صورت که سری زمانی قیمت بسته ‌شده 140 سهم از شرکتهایی در صنایع مختلف در هر دقیقه در روز برای چکیده کامل

در این پژوهش مدلی برای تحلیل و پیش‌بینی سری زمانی مالی نویزدار قیمت سهام با استفاده از تحلیل طیف تکین و رگرسیون بردار پشتیبان همراه با بهینه‌سازی ازدحام ذرات ارائه شده است. بدین صورت که سری زمانی قیمت بسته ‌شده 140 سهم از شرکتهایی در صنایع مختلف در هر دقیقه در روز برای دوره‌ای از 28 اردیبهشت تا 11 خرداد برای سال های 1392 تا 1398 بصورت جداگانه از بورس اوراق بهادار تهران مورد بررسی قرار گرفت. همچنین عملکرد مدل پیشنهادی با عملکرد چهار مدل تبدیل موجک همراه با شبکه عصبی، فرآیند میانگین متحرک خود رگرسیون، رگرسیون چندجمله‌ای و مدل نایو مقایسه شد. از میانگین خطای مطلق، میانگین درصد خطای مطلق، و میانگین ریشه مربعات خطا به عنوان معیارهای اصلی عملکرد استفاده گردید. نتایج نشان می دهد که عملکرد مدل ارائه شده برای تحلیل و پیش‌بینی سری زمانی مالی نویزدار بر اساس میانگین خطای مطلق، میانگین درصد خطای مطلق و میانگین ریشه مربعات خطا، بهتر از مدل های دیگر(شامل: تبدیل موجک، میانگین متحرک خود رگرسیون، رگرسیون چندجمله‌ای، مدل نایو) است. پرونده مقاله

دسترسی آزاد مقاله

68 - شناسایی و مدلسازی ﺗﺎب آوری قیمت ﺳﻬﺎم در بورس اوراق بهادار تهران و عوامل موثر بر آن با استفاده از تبدیل سری زمانی
سپیده شمسعلی نیا سید کاظم چاوشی مژگان صفا حسین جهانگیرنیا

مقاله حاضر به خلا مطالعاتی موجود در" سنجش ﺗﺎب آوری در ﺳﻄﺢ ﺳﻬﻢ"، در بورس اوراق بهادار تهران می پردازد. این پژوهش رویکردی توسعه ایـکاربردی داشته که به ارائه یک شیوه هدفمند در طراحی مدل تاب آوری قیمت سهام پرداخته است. پس از ارائه مدل سنجش تاب آوری، فرضیات پژوهش با اتکا به چکیده کامل

مقاله حاضر به خلا مطالعاتی موجود در" سنجش ﺗﺎب آوری در ﺳﻄﺢ ﺳﻬﻢ"، در بورس اوراق بهادار تهران می پردازد. این پژوهش رویکردی توسعه ایـکاربردی داشته که به ارائه یک شیوه هدفمند در طراحی مدل تاب آوری قیمت سهام پرداخته است. پس از ارائه مدل سنجش تاب آوری، فرضیات پژوهش با اتکا به مبانی نظری و مطالعات پیشین، تدوین و در شرکت های پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی 1388 لغایت 1398 مورد آزمون قرار گرفتند. تحلیل داده ها ، استفاده از رگرسیون تابلویی با اثرات ثابت را تجویز نموده و خروجی های نرم افزارهایEviews نسخه 10 و Stata نسخه 12 نشان داد که تاب آوری سهام در سالهای مختلف متفاوت بوده و بین کلیه متغیرهای مد نظر در فرضیات فرعی بجز "متغیر نقدشوندگی تأثیر قیمت" با تاب آوری در سطح اطمینان 95 درصد رابطه معناداری وجود داشته و در این میان "متغیرهای بتای سهام و نسبت ارزش دفتری به بازار " دارای بیشترین رابطه معکوس و متغیر جزء گذرای روند قیمت سهام دارای بیشترین رابطه مثبت در مدل بوده است. پرونده مقاله

دسترسی آزاد مقاله

69 - تحلیل همبستگی متقابل سری‌های زمانی مالی چندفرکتالی روندزدایی شده مبتنی بر اندیکاتور: مطالعه موردی بازار فارکس
زهره علامتیان مجید وفایی جهان رضا شیبانی

مدل‌سازی سری‌های زمانی هم‌گام، در سیستم‌های مالی دارای پیچیدگی‌‌های زیادی است. برای تحلیل این سری‌ها نیاز به رویکردهایی است که بتوان با دقت بالاتری رابطه بلندمدت آن‌ها را استخراج نمود. روش تحلیل همبستگی متقابل روند‌زدایی‌ شده چندفرکتالی (MFDCCA)، با روند‌زدایی از سری‌ها چکیده کامل

مدل‌سازی سری‌های زمانی هم‌گام، در سیستم‌های مالی دارای پیچیدگی‌‌های زیادی است. برای تحلیل این سری‌ها نیاز به رویکردهایی است که بتوان با دقت بالاتری رابطه بلندمدت آن‌ها را استخراج نمود. روش تحلیل همبستگی متقابل روند‌زدایی‌ شده چندفرکتالی (MFDCCA)، با روند‌زدایی از سری‌های زمانی به تحلیل رابطه آن‌ها می‌پردازد. ما در این مقاله روشی نوین در راستای روند‌زدایی دقیق‌تر از یک سری زمانی مالی به نام تحلیل همبستگی متقابل روند‌زدایی شده چندفرکتالی مبتنی بر اندیکاتور(IMFDCCA) ارائه داده‌ایم. هدف از روش پیشنهادی، استخراج کاراتر رابطه همبستگی بین سری‌های زمانی مالی با استفاده از اندیکاتورهای بازار مالی است. روش پیشنهادی به‌عنوان نمونه بر روی دو جفت‌ارز یورو/دلار و دلار/ین بررسی شد. تست این روش بر روی مجموعه داده هشت‌ساله از سال 2011 تا 2019 صورت گرفت. همچنین جهت ارزیابی روش پیشنهادی از روش‌های تخمین نمایه هارست شامل R.S و GHE استفاده شد که در هر دو ارزیابی خطای کمتری نسبت به روش پایه را مشخص نمود. میزان خطای میانگین جذر مربعات در روش ارزیابی R.S نسبت به روش پایه 30% و در روش ارزیابی GHE 26% کاهش‌یافته است. پرونده مقاله

دسترسی آزاد مقاله

70 - برآورد مدلی جهت پیش بینی روند ارز های دیجیتال (بیتکوین،اتریوم) در دوره ی کرونا و پسا کرونا با کمک سری زمانی
سید رامین سعیدی نژاد سینا لاله

جهان پس‌از پخش و همه‌گیر شدن بیماری پاندمی کووید-19 دچار بحران اقتصادی شدیدی شد، به‌همین دلیل نیاز به پیش‌بینی بیش‌از پیش نمود پیدا کرد.یکی از این روش‌های پیش‌بینی سری‌های زمانی می‌باشد.در این پژوهش ابتدا تاثیرگذاری بیماری کووید-19 برروی قیمت اتریوم و بیت کوین را بررسی چکیده کامل

جهان پس‌از پخش و همه‌گیر شدن بیماری پاندمی کووید-19 دچار بحران اقتصادی شدیدی شد، به‌همین دلیل نیاز به پیش‌بینی بیش‌از پیش نمود پیدا کرد.یکی از این روش‌های پیش‌بینی سری‌های زمانی می‌باشد.در این پژوهش ابتدا تاثیرگذاری بیماری کووید-19 برروی قیمت اتریوم و بیت کوین را بررسی کردیم که نتایج حاصله نشان می‌دهد که این بیماری بر روی قیمت‌های جهانی اتریوم و بیت کوین تاثیر منفی گذاشته است .در مرحله بعد با استفاده از روش‌های سری زمانی تک متغیره و با کمک مدل‌های آریما، مدلی برای پیش‌بینی که بهترین مدل AR(1) و MA(1) و مرتبه تفاضل گیری طراحی شد و پیش بینی یکساله و دوساله با مدل طراحی شده انجام شد ، با توجه به گزارش های بهداشت جهانی احتمالا تا یکسال آینده کرونا وجود دارد و دوسال آینده کرونا از حالت پاندمی خارج شده و دوره ی پسا کرونا نام دارد نتایج نشان میدهد که پس از افت های کوتاه مدت و نشان دادن واکنش به مقاومت ها و حمایت ها روند سالانه صعودی را در پیش خواهند داشت. پرونده مقاله

دسترسی آزاد مقاله

71 - ارائه مدل پیش‌بینی‌گر جهت بازار در معاملات آتی سکه طلای بورس کالای ایران با استفاده از الگوریتم حافظه طولانی کوتاه مدت (LSTM)
سهیل ذوقی رضا راعی سعید فلاح پور

در سال‌های اخیر شبکه‌های عصبی یادگیری عمیق به عنوان ابزاری قدرتمند جهت حل مسائل پیچیده شناخته شده‌اند. یادگیری عمیق یک زیرشاخه از هوش مصنوعی است که در آن بر مبنای مجموعه‌ای از الگوریتم‌ها، مسائل پیچیده دارای پارامترها و ورودی‌های بسیار زیاد، مدل می‌شوند. در این پژوهش به چکیده کامل

در سال‌های اخیر شبکه‌های عصبی یادگیری عمیق به عنوان ابزاری قدرتمند جهت حل مسائل پیچیده شناخته شده‌اند. یادگیری عمیق یک زیرشاخه از هوش مصنوعی است که در آن بر مبنای مجموعه‌ای از الگوریتم‌ها، مسائل پیچیده دارای پارامترها و ورودی‌های بسیار زیاد، مدل می‌شوند. در این پژوهش به ارائه چاچوب جدیدی از یادگیری عمیق پرداخته می‌شود که در آن با استفاده از تبدیل موجک، خودرمزنگار انباشته و حافظه طولانی کوتاه مدت یا LSTM به پیش‌بینی جهت بازار در قراردادهای آتی سکه طلای بورس کالای ایران می‌پردازیم. در روش پیشنهادی ابتدا با استفاده از تبدیل موجک نویز داده‌های ورودی گرفته می‌شود. سپس با استفاده از خودرمزنگار انباشته شاخص‌های تاثیرگذار بر جهت بازار شناسایی شده و در نهایت این شاخص‌ها به عنوان ورودی به معماری LSTM داده می‌شود تا جهت بازار پیش‌بینی شود. از نوآوری‌های پژوهش حاضر می‌توان به ارائه چند شاخص تکنیکال جدید به منظور افزایش دقت مدل پیشنهادی و همین‌طور تنظیم پارامترهای الگوریتم‌های به کار رفته از جمله LSTM برای مسئله مورد مطالعه و ارائه استراتژی معاملاتی به جهت دستیابی به سوددهی مناسب شاره نمود. بررسی‌ها نشان می‌دهند که روش پیشنهادی از سایر روش‌ها پیشی می-گیرد و به دقت و بازدهی بالاتری دست می‌یابد. پرونده مقاله

دسترسی آزاد مقاله

72 - تحلیل توان افزایش دو دارایی طلا و دلار به منظور محاسبه ارزش اختیار مبادله توانی دلار بر مبنای دارایی پایه طلا با سری زمانی
مرتضی رحمانی اﺑﻮاﻟﻔﻀﻞ ﺗﺎریﻣﺮزآﺑﺎد سیده نفیسه آل محمد طاهره مرادزاده

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 چکیده کامل

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. پرونده مقاله

دسترسی آزاد مقاله

73 - ارائه مدلی جهت پیش‌بینی قیمت سهام با استفاده از روش‌های فرا ابتکاری و شبکه‌های عصبی
سید حسین میرعلوی زهرا پورزمانی

به دلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیش‌بینی نتایج خوبی به همراه ندارد. به همین دلیل محققان با ارائه‌ی مدل‌های ترکیبی سعی در ارائه‌ی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کرده‌اند. امروزه از الگوهای مختلفی چکیده کامل

به دلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیش‌بینی نتایج خوبی به همراه ندارد. به همین دلیل محققان با ارائه‌ی مدل‌های ترکیبی سعی در ارائه‌ی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کرده‌اند. امروزه از الگوهای مختلفی مانند: تکنیک های آماری (تحلیل تشخیصی، لوجیت و آنالیز فاکتوری) و تکنیک های هوش مصنوعی (شبکه های عصبی، درخت تصمیم گیری، استدلال مبتنی بر موضوع، الگوریتم ژنتیک، مجموعه های سخت، ماشین بردار تکیه گاه و منطق فازی) و یا ترکیبی از این دو تکنیک برای پیش بینی قیمت سهام استفاده می شود. در اکثر مدل‌های پیش‌بینی کننده، سیستم فقط با استفاده از اطلاعات یک شاخص به پیش‌بینی می‌پردازد، اما در مدل پیشنهادی در این پژوهش یک سیستم دو سطحی از شبکه‌های عصبی پرسپترون چندلایه پیشنهاد شده و از چندین شاخص برای پیش‌بینی استفاده می‌شود. در این پژوهش داده‌های شاخص قیمت بورس اوراق بهادار تهران از 1391 تا 1395 برای این منظور در نظر گرفته شده است. همچنین برای آموزش بهتر شبکه‌ی عصبی و در نتیجه بهبود نتایج بدست آمده، از الگوریتم بهینه‌سازی ملخ برای انتخاب بهترین نمونه‌ها استفاده شده است. نتایج بدست آمده نشان می‌دهد که مدل پیشنهادی توانسته با خطای پیش‌بینی پایین‌تری نسبت به دیگر مدل‌ها عمل کند پرونده مقاله

دسترسی آزاد مقاله

74 - بررسی وجود حافظه بلندمدت در شاخص قیمت ارزهای دیجیتال
شیما علی زاده حسین صفرزاده

حافظه بلندمدت که آن را وابستگی با دامنه بلندمدت نیز می نامند، ساختار همبستگی مقادیر یک سری زمانی را در فواصل زمانی زیاد توضیح می‌دهد. طبق فرضیه بازار کارا قیمت ها از فرایند گام تصادفی پیروی می کنند، بنابراین بازده دارایی را نمی توان بر اساس تغییرات گذشته قیمت ها پیش بین چکیده کامل

حافظه بلندمدت که آن را وابستگی با دامنه بلندمدت نیز می نامند، ساختار همبستگی مقادیر یک سری زمانی را در فواصل زمانی زیاد توضیح می‌دهد. طبق فرضیه بازار کارا قیمت ها از فرایند گام تصادفی پیروی می کنند، بنابراین بازده دارایی را نمی توان بر اساس تغییرات گذشته قیمت ها پیش بینی نمود. حافظه بلند مدت نقطه ضعف فرضیه بازارهای کاراست از آنجا که فرآیندهای با حافظه بلند مدت در بازده دارایی ها کابردهای مهمی دارند و در تجزیه و تحلیل سری های زمانی نقش تعیین کننده ای ایفا می کنند، این تحقیق به بررسی وجود حافظه بلند مدت در شاخص قیمت ارزهای دیجیتال 1 دلاری و پایین تر در بازه زمانی 1 سپتامبر 2015 تا 1 سپتامبر 2018 می پردازد. جهت تخمین پارامتر d از روش OLS در بسته نرم افزار EVIEWS استفاده شده است. مدل ARFIMA برای آزمون فرضیه ها بکار گرفته شده است. نتایج حاکی از آن است که حافظه بلندمدت در ارزهای دیجی کوین، دوگی کوین، امر وین، بیتشیر، مایدسیف کوین، ایکس ای ام، رددی کوین، ان تی وای، ورج و ریپل محرز بوده و از طرفی سه ارز بایت کوین، سای کوین و استلار فاقد حافظه بلندمدت بوده و لذا این ارزها در زمره کالاهای بازار کارا قرار می گیرند. پرونده مقاله

دسترسی آزاد مقاله

75 - نوفه زدایی از سری های زمانی مالی با استفاده از آنالیز موجک
حجت اله صادقی زهرا دهقانی فیروزآبادی

هر مجموعه از ضرایب موجک بخشی از سری زمانی را در مقیاس های زمانی متفاوت در بر دارد. پیاده سازی تبدیل موجک، با بهره گیری از بهترین موجک ها در سطوح مناسب تاثیر بسزایی در نتایج تحلیل های مالی خواهد داشت. در این پژوهش هدف، بیان اهمیت مفهوم مقیاس-زمان و به کارگیری فواصل زمانی چکیده کامل

هر مجموعه از ضرایب موجک بخشی از سری زمانی را در مقیاس های زمانی متفاوت در بر دارد. پیاده سازی تبدیل موجک، با بهره گیری از بهترین موجک ها در سطوح مناسب تاثیر بسزایی در نتایج تحلیل های مالی خواهد داشت. در این پژوهش هدف، بیان اهمیت مفهوم مقیاس-زمان و به کارگیری فواصل زمانی متفاوت در بررسی رفتار بازارهای مالی است تا مشخص شود که آیا حذف نوفه از سری زمانی می تواند دقت تصمیم گیری ما برای آینده را بالا ببرد؟ بدین منظور ابتدا 16 شاخص انتخاب شده از بورس اوراق بهادار تهران به کمک نرم افزار R و با استفاده از تبدل موجک تا پنج سطح برای 250 داده تجزیه کرده وسپس از تمامی آن ها نوفه زدایی نمودیم. در مرحله بعد دو روش برای سنجش نوفه زدایی بکار بردیم یکی خوشه بندی شاخص های منتخب به روش دندروگرام و دیگری پیش بینی سری زمانی شاخص کل با500 داده وبا استفاده از داده های نوفه زدایی شده به دو روش موجک هار و دابشیز. نتایج هر دو روش حکایت از عملکرد بهتر نوفه زدایی با استفاده از موجک دابشیز در این سری های زمانی داشت. هدف اصلی ما به نوعی استفاده از آنالیز موجک و نوفه زدایی از سری های زمانی با استفاده از آن در مباحث مالی بود. پرونده مقاله

دسترسی آزاد مقاله

76 - Attaining Environmental Sustainability Through Cashew Nut Production in India: Revisiting the Role of Energy Consumption and Economic Growth
Noushad Cheriyambadan Muhammed Ashiq Villanthenkodath Hassan Shareef

10.22034/jon.2022.1972216.1203

Although carbon dioxide (CO2) emissions are the most debated topic in the current era, the solution for this is not yet reached a conclusion in the literature. Further, curbing CO2 emissions along with maintaining the same pace of economic growth is necessary to achieve چکیده کامل

Although carbon dioxide (CO2) emissions are the most debated topic in the current era, the solution for this is not yet reached a conclusion in the literature. Further, curbing CO2 emissions along with maintaining the same pace of economic growth is necessary to achieve sustainable development. Being a top producing, processing and exporting country of cashew nuts in the world, India has a well-established growth effect that emanates from cashew nut production. However, the environmental effect of cashew nut production is not clear. Thus, this study aims to assess the role of cashew nut production on CO2 emissions while endogenising energy consumption and economic growth in the environmental degradation function of India during 1975-2021. For empirical analysis, the study uses combined cointegration, cointegrating regressions, and time and frequency domain causality tests. The evolved outcome shows a long-run cointegration of the series. Further, cashew nut production significantly reduces CO2 emissions, while energy consumption portrays a significantly increasing role in CO2 emissions. Surprisingly, but not shockingly, economic growth significantly reduces CO2 emissions in India. From the causality point of view, a unidirectional causality runs from cashew nut production to CO2 emissions in both time and frequency time causality tests. Based on the findings, the study suggests a policy for sustainable development in India. پرونده مقاله

دسترسی آزاد مقاله

77 - مروری بر پژوهش‌های انجام‌شده در خصوص خوشه‌بندی سری‌های زمانی مالی: رویکرد نگاشت دانش
مرضیه نوراحمدی فاطمه راستی حجت الله صادقی

10.30495/afi.2021.1919857.1002

میزان اطلاعاتی که ما بازیابی و استفاده می‌کنیم، به سرعت افزایش یافته است. داده کاوی فرایند استخراج داده-های مربوط از حجم زیادی از داده‌ها و روش کشف و پیدا کردن الگوی مناسب از حجم زیادی از مجموعه داده‌ها است. خوشه‌بندی یکی از روش‌های معمول تجزیه‌وتحلیل داده‌های آماری و ه چکیده کامل

میزان اطلاعاتی که ما بازیابی و استفاده می‌کنیم، به سرعت افزایش یافته است. داده کاوی فرایند استخراج داده-های مربوط از حجم زیادی از داده‌ها و روش کشف و پیدا کردن الگوی مناسب از حجم زیادی از مجموعه داده‌ها است. خوشه‌بندی یکی از روش‌های معمول تجزیه‌وتحلیل داده‌های آماری و همچنین یکی از بهترین رویکردهای داده‌کاوی است. این رویکرد به‌عنوان یکی از روش‌های یادگیری بدون نظارت، با به‌کارگیری الگوریتم‌هایی، داده‌های سری‌های زمانی را برحسب معیارهای متفاوتی طبقه‌بندی می‌کند. هدف از پژوهش حاضر بررسی انواع کاربردهای خوشه‌بندی و شبکه‌سازی در حوزه‌های مختلف مالی ازجمله ریسک، معاملات الگوریتمی، بانکداری و دیگر موضوعات پرکاربرد در این حوزه است. در این پژوهش با استفاده از پکیج bibliometrix به‌مرور کلیه پژوهش‌های انجام شده در خصوص خوشه بندی پرداخته می‌شود. ضمن استخراج انواع معیارها و رویکردهای خوشه‌بندی به بررسی کاربردهای آن پرداخته‌شده است. این پژوهش با مروری جامع بر کلیه پژوهش‌های این حوزه می‌تواند به‌عنوان جعبه‌ابزاری در جهت ارائه انواع روش‌های خوشه‌بندی محققان را در ایده پردازی و انتخاب روش مناسب در طبقه‌بندی و تحلیل داده‌های مالی یاری دهد. پرونده مقاله

فهرست مقالات Time series

سکوی نشر دانش

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی