دانلود تحقیق سری های زمانی و واریانس و پژوهش های مرتبط با فرمت ورد

هدف از این تحقیق بررسی سری های زمانی و واریانس و پژوهش های مرتبط با آن با فرمت docx در قالب 42 صفحه ورد بصورت کامل و جامع و با قابلیت ویرایش می باشد

فهرست مطالب

2-1. مقدمه

2-2. مروری بر ادبیات تحقیق

2-2-1. تحقیقات داخلی

2-2-2. تحقیقات خارجی

2-3. سری های زمانی

2-3-1. روش های تحلیل سری های زمانی

2-3-2. ویژگی های سری های زمانی

2-3-3. مدل سازی سری های زمانی

2-3-4. معیارهای اطلاعاتی آکائیک و شوارتز

2-3-5. روش باکس- جینز

2-3-6. تبدیلات

2-3-7. پیش بینی

2-3-8. انواع واریانس

2-3-9. ویژگی های سری های زمانی مالی

2-4. واریانس ناهمسانی شرطی اتورگرسیو تعمیم یافته(گارچ )

2-4-1. فرآیند GARCH(p,q)

2-4-2. فرآیند GARCH(1,1)

2-4-3. آزمون مدل گارچ

2-4-4. تخمین حداكثر درستنمایی در مدلهای گارچ

2-5. شبیه سازی مونت كارلو

2-5-1. تاریخچه شبیه سازی مونت كارلو

2-5-2. اعدادتصادفی

2-5-3. تولید كننده های اعداد تصادفی

2-5-4. روش های تولید اعداد تصادفی

2-5-5. فرآیند شبیه سازی مونت كارلو

2-5-6. روش های شبیه سازی مونت كارلو

2-5-7. كاربردهای شبیه سازی مونت كارلو

2-5-8. مزایا و معایب شبیه سازی مونت كالو

منابع

باقر صمدی در پایان نامه خویش در سال 1386 با عنوان " مدلسازی تلاطم در شاخص قیمت بورس تهران با استفاده از مدل های گارچ و معرفی الگوی مناسب برای تعیین ارزش در معرض خطر" ابتدا با استفاده از روش های گارچ تلاطم بازار را با استفاده از 1467 داده روزانه برای شاخص قیمت بورس اوراق بهادار تهران برآورد کرده و سپس بهترین مدل ها در تخمین و پیش بینی تلاطم برای توزیع نرمال و تی-استیودنت مشخص نموده است. در ادامه با وجود علائم حافظه بلندمدت برای تبیین میانگین شرطی از مدل ARFIMA و برای واریانس شرطی در كنار مدل های با حافظه كوتاه مدت از مدل با حافظه بلندمدت FIGARCH استفاده شده است. كاركرد بهتر مدل های با حافظه بلندمدت مخصوصا برای بازده با توزیع نرمال مشخص شده است. نتایج حاصل از مقایسه عملكرد مدل های مختلف گارچ در كنار مدل ریسك متریك ، بیانگر عملكرد بهتر آنها در توزیع تی-استیودنت در مقایسه با توزیع نرمال بوده است. مقایسه مدل های مذكور نشان دهنده آن بوده است كه در سطوح اطمینان متفاوت برای تخمین ارزش در معرض خطر، مدل های مختلف نتایج متفاوتی را نشان داده اند ولی با این وجود می توان گفت كه مدل FIGARCH در سطح معنی داری 2/5% بهترین عملكرد را دارا بوده است.

          پورابراهیمی و همكاران در سال 1387  عملكرد پیش بینی مدل های نوسان شرطی و غیر شرطی (12 مدل) بر اساس معیار ارزیابی میانگین مربعات خطا (RMSE)  در خصوص پیش بینی نوسان شاخص بازده نقدی و قیمت بورس تهران  (TEDPIX)   بررسی نمودند. داده های مورد استفاده جهت آزمون فرضیه های سری زمانی شاخص بازده نقدی و قیمت(TEDPIX)  بورس اوارق بهادار تهران طی دوره 01/09/77 الی 29/12/85 یعنی 100 ماه (1985) مشاهده بوده است. از مدل های میانگین متحرك، هموارسازی نمایی ARMA  و مدل شبكه عصبی (به عنوان مدل های غیر شرطی) و مدل های  GARCHشامل EGARCH, TGARCH, GARCH و PGARCH  ( به عنوان مدل های شرطی ) جهت آزمون فرضیه ها استفاده شده است. نتایج نشان می دهد عملكرد مدل میانگین متحرك 250 روزه، هموارسازی نمایی و  CGARCH طبق معیار RMSE   از دیگر مدل ها بهتر است. نتایج مدل های تركیبی نیز نشان میدهد كه در كل، مدل های غیر شرطی عملكرد بهتری نسبت به مدل های شرطی داشته اند. علاوه بر این، نتیجه به دست آمده از آماره دایبولد_ماریانو نشان میدهد كه تفاوت معناداری میان قدرت پیش بینی مدل MA 250و مدل CGARCH وجود ندارد.  بنابراین، برخلاف بسیاری از مطالعه های انجام شده، پیش بینی مدل های شرطی تفاوت معناداری با دیگر مدل ها ندارد و حتی تخمین نقطه ای آن ها از برخی از مد لهای نوسان غیرشرطی نیز بدتر است.