CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی سری های زمانی مالی با استفاده از مدل ARMA- GARCH-GRNN

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۵۲۶۵ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: ACCSI14_188
زبان مقاله: فارسی
حجم فایل: ۲۴۵.۶۶ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی سری های زمانی مالی با استفاده از مدل ARMA- GARCH-GRNN

    ساسان حسینعلی زاده - دانشکده ریاضی دانشگاه صنعتی امیرکبیر
  رضا صفابخش - دانشکده ریاضی دانشگاه صنعتی امیرکبیر

چکیده مقاله:

مدل های خظی ARMA و GARCH دارای کاربردهای زیادی در زمینه پیش بینی سری های زمانی می باشند. همچنین مطالعات و تحقیقات اخیر در زمینه کاربردهای شبکه GRNN برای پیش بینی سری های زمانی نشان می دهد که این شبکه دارای کارایی مناسبی برای مدل نمودن سری های خطی و غیرخطی می باشد. در این مقاله مدل جدید ترکیبی مدل های مذکور ، با نام مدل ARMA-GARCH-GRNN معرفی می شود. در مدل پیشنهادی، ایتدا تطلاعات آماری سری زمانی توسط مدل ARMA-GARCH استخراج می گردد و سپس از شبکه GRNN برای مدل کردن رابطه غیرخطی مشاهدات سری زمانی استفاده می شود. در نهایت کارایی مدل جدید نسبت به مدل های ARMA-GARCH و GRNN مقایسه می شود.

کلیدواژه‌ها:

پیش بینی ، شبکه GRNN ، سری های زمانی، مدل ARMA ، مدل GRACH

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI14-ACCSI14_188.html
کد COI مقاله: ACCSI14_188

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حسینعلی زاده, ساسان و رضا صفابخش، ۱۳۸۷، پیش بینی سری های زمانی مالی با استفاده از مدل ARMA- GARCH-GRNN، چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران، تهران، انجمن کامپیوتر، دانشگاه صنعتی امیر کبیر، https://www.civilica.com/Paper-ACCSI14-ACCSI14_188.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حسینعلی زاده, ساسان و رضا صفابخش، ۱۳۸۷)
برای بار دوم به بعد: (حسینعلی زاده و صفابخش، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • W. Li, Y. Luo, Q. Zhu .J. Liu, J. Le, ...
  • Gourieroux C, ARCH models and financial applications .Springer, Heidelberg, 1997. ...
  • Cao LJ, Tay Francis EH , "Financial forecasting using support ...
  • Qai M, Zhang GP, "An investigation of model selection criteria ...
  • McNelis PD, Neural networks in finance: gaining predictive edge in ...
  • McNelis _ Neural networks in finance: gaining predictive edge in ...
  • Zhang P-Y, Lu T-S, Song L-B, "RBF networks- based inverse ...
  • Leung MT, Chen AS, Daouk H, "Forecasting exchange rates using ...
  • Tang Z, Almeida C, P.A, Fishwick, "Time series forecasting using ...
  • Peter Zhang G, "Time series forecasting using a hybrid ARIMA ...
  • Li W, Liu J, Le J, Wang X-R, "The financial ...
  • Li W, Liu J, Le J, "Using GARC H-GRNN model ...
  • A. Berchtold , "Mixture transition distribution modeling of hetero scedastic ...
  • Engle, R.F, "A utoregressive conditional h eteros cedasticity with estimates ...
  • Specht DF, "A general regression neural network". IEEE Trans Neural ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۸۸۷۲
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.