پایان‌نامه

برسی نقاط پرت در مدل های garch

دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است

چکیده

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

اساتید راهنما و مشاور

رحیم چینی پرداز، غلامعلی پرهام

پایان‌نامه‌های مشابه

  • آشکار سازی نقاط پرت به روش بیزی در مدل قیمت گذاری دارایی سرمایه ای

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده ریاضی و کامپیوترالهام رستمی

    سرمایه گذاران همواره به دنبال اندازه گیری و قیمت گذاری ریسک جهت اتخاذ تصمیمات سرمایه گذاری بهینه هستند. معروفترین رویکرد برای اندازه گیری ریسک، مدل قیمت گذاری دارایی سرمایه ای است که یک رابطه ساده خطی را بین ریسک و بازده مورد انتظار فرض می کند. این مدل، به صورت رگرسیون خطی ساده ن

  • تشخیص و بررسی نقاط پرت در مدل های رگرسیون فازی

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده ریاضیسمیرا صدیقین

    مدل های رگرسیونی برای برقراری ارتباط بین یک متغیر وابسته و تعدادی متغیر مستقل به کار می روند. برای ساختن این مدل ها نیاز به مشاهداتی از متغیرهای مورد مطالعه می باشد. در رگرسیون کلاسیک فرض می شود که این متغیرها و مشاهدات مربوط به آن ها دقیق هستند. ممکن است در یک بررسی مشاهدات مربو

  • تشخیص نقاط پرت در مدل های arma

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - پژوهشکده آمارقاسم جهان بین

    مشاهدات سری های زمانی گاهی اوقات تحت تأثیر پیشامدهایی نظیر: اعتصاب ها، ظهور جنگ، بحران های سیاسی و غیره قرار می گیرند. نتایج این پیشامدهای بازدارنده، به وجود آمدن مشاهداتی مصنوعی است که با بقیه ی مشاهدات در سر ی های زمانی، سازگاری ندارد. این قبیل مشاهدات را نقاط پرت می نامند. در

  • آشکارسازی نقاط پرت با استفاده از مدل انتقال واریانس در مدل‏های خطی با خطا در اندازه‏گیری

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده علوم ریاضی و مهندسی کامپیوتربابک بابادی

    در این رساله ابتدا به تعریف مدل‏های خطی با خطا در اندازه‏گیری پرداخته و برآورد پارامترهای مدل براساس روش امتیاز تصحیح شده ارائه می‏شود. سپس به معرفی مدل‏های حذف موردی و مدل‏های انتقال میانگین در این قبیل مدل‏ها پرداخته و برآورد پارامترهای مدل مورد اشاره قرار می‏گیرد. در ادامه یک

  • شناسایی نقاط پرت در ابعاد بزرگ

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده علوم ریاضیاصغر رحمانی

    شناسایی نقاط پرت به عنوان نقاط مورد علاقه در بسیاری از زمینه های تحقیقاتی و نقاط تأثیرگذار بر روش های کلاسیک آماری از اهمیت بالایی برخوردار است. به ویژه در ابعاد بزرگ که حضور این نقاط شانس بیشتری دارند و تشخیص آن ها به کمک معیارهای ساده آماری امکان پذیر نیست. استفاده از روش های ا

  • بررسی نقاط پرت در داده های سری زمانی چند متغیره

    پایان‌نامه۲۰۱۰وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهوازالهام مختاری

    مشاهدات سری های زمانی گاهی اوقات تحت تأثیر پیشامدهایی نظیر: اعتصا ب ها، ظهور جنگ ها، بحران های سیاسی و غیره قرار می گیرند. نتایج این پیشامدهای بازدارنده، به وجود آوردن مشاهدات مصنوعی است که با بقیه ی مشاهدات سری زمانی سازگاری ندارد. این قبیل مشاهدات را نقاط پرت می نامند. در این ر

اسناد مشابه

  • تا ثیر انواع مختلف نقاط پرت بر مدل

    در این مقاله انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در سری­های زمانی معرفی و اثر آن­ها در تعیین مدل، برآورد پارامترها و باقیمانده­های مدل مورد بررسی قرار گرفته است. در مطالعه­ای شبیه­سازی، مدل (1و1) GARCH را در نظر گرفته و آن را با هر یک از نقا

  • تا ثیر انواع مختلف نقاط پرت بر مدل

    مقالهمجله علوم آماریرحیم چینی پرداز، rahim chinipardaz department of statistics, shahid chamran university, ahvaz, iranگروه امار، دانشگاه شهید چمران اهواز هدی کامرانفر، hoda kamranfar department of statistics, shahid chamran university, ahvaz, iranگروه امار، دانشگاه شهید چمران اهواز

    در این مقاله انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در سری­های زمانی معرفی و اثر آن­ها در تعیین مدل، برآورد پارامترها و باقیمانده­های مدل مورد بررسی قرار گرفته است. در مطالعه­ای شبیه­سازی، مدل (1و1) garch را در نظر گرفته و آن را با هر یک از نقاط پرت در نقطه زمانی

  • تشخیص نقاط پرت در مدل رگرسیونی لیو

    مقالهمجله علوم آماریفروغ حاجی باقری، forough hajibagheri department of statistics, shahid chamran university, ahvaz, iran.گروه آمار، دانشگاه شهید چمران اهواز عبدالرحمن راسخ، abdolrahman rasekh department of statistics, shahid chamran university, ahvaz, iran.گروه آمار، دانشگاه شهید چمران اهواز محمدرضا آخوند، mohammad reza akhoond department of statistics, shahid chamran university, ahvaz, iran.گروه آمار، دانشگاه شهید چمران اهواز

    در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش ه

  • تشخیص نقاط پرت در مدل رگرسیونی لیو

    در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط ...

  • برآوردگر باثبات شناسایی نقاط پرت فاز اول نمودارهای کنترل کیفیت چندمتغیره با استفاده از تکنیک خوشه‌بندی سلسله مراتبی

    هدف اصلی تحقیقات صورت گرفته در زمینه‌ی کنترل فرآیند آماری چند متغیره، درنظر گرفتن همبستگی بین چندین مشخصه کیفی برای یک مرحله از فرآیند است. در فاز دوم رویه کنترل فرآیند چندمتغیره با استفاده ازحدود کنترلی بدست آمده از فاز اول و مشاهدات آتی، تحت کنترل بودن ادامه فرآیند بررسی می‌شود

  • دو آزمون اماری برای شناسایی نقاط پرت در اندازه گیری عملکرد ناپارامتری

    مقالهتحقیق در عملیات در کاربردهای آنمحسن خون سیاوش، قزوین، دانشگاه آزاد اسلامی واحد قزوین، گروه علوم پایه رضا کاظمی متین، کرج، دانشگاه آزاد اسلامی واحد کرج، گروه ریاضی کاربردی مرتضی خدابین، کرج، دانشگاه آزاد اسلامی واحد کرج، گروه ریاضی کاربردی

    در تحلیل پوششی داده ها که از مقایسه ی عملکرد نسبی یک واحد در قیاس با مجموعه ی مرجع برای تشخیص ناکارایی نسبی و ارائه ی الگوی بهبود استفاده می شود، تشخیص درست واحدهای پرت برای دستیابی به نتایج دقیق بسیار مهم است. در این نوع مدل ها ی مرز قطعی، امروزه به کارگیری آزمون های آماری در تش