پیش بینی سری های زمانی مالی با استفاده از مدل ARMA- GARCH-GRNN
محل انتشار: چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 6,624
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI14_188
تاریخ نمایه سازی: 26 مهر 1387
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.
کلیدواژه ها:
نویسندگان
ساسان حسینعلی زاده
دانشکده ریاضی دانشگاه صنعتی امیرکبیر
رضا صفابخش
دانشکده ریاضی دانشگاه صنعتی امیرکبیر
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 :