بازه هاي پیشگویی بوت استرپ براي مدل سري زمانی خودرگریسو ناایستا

توضیحات

چکیده

در مدل هاي سري زمانی خودرگرسیو (AR) تحلیل داده هاي سري زمانی معمولا مبتنی بر فرض نرمال بودن باقیمانده ها است . در روش بوت استرپبدون  نیاز به توزیع باقیمانده ها استنباط انجام می شود . در این مقاله ابتدا به معرفی برآوردگرهاي کمترین مربعات ، شامان – اشتین ، آندروس – چن و روي –  فولر ،براي مدل هاي سري زمانی خودرگرسیو (AR) ناایستا پرداخته می شود ، که هر دو برآوردگر روي- فولر ، آندروس – چن اصلاحی براي برآوردگر  کمترین مربعات است و بعد از آن تصحیح اریبی پارامترها به روش بوت استرپ تشریح شده و نهایتا به محاسبه ي بازه هاي پیشگویی 7بوت استرپ براي  برآوردگرها پرداخته شده است و سپس در نمونه هایی با اندازه هاي متفاوت به بررسی شبیه سازي براي بازه هاي پیشگویی بوت استرپ پرداخته شده و در آخر براي بررسی این بازه هاي پیشگویی ، به تحلیل داده هاي واقعی پرداخته می شود.

مقدمه

تجزیه و تحلیل سري هاي زمانی به طور نظري و عملی از زمان شروع کار اصلی جورج .اي .پی.باکس .وام در سال(1970)  تحت عنوان (تجزیه و تحلیل  سري هاي زمانی ، پیشگویی و کنترل) به سرعت توسعه پیدا نموده است . داده هائی که از مشاهدات ، یک پدیده در طول زمان بدست می آید ، بسیار  متداول است ، به عنوان مثال ، در کسب و کار و اقتصاد ( قیمت سهام در بازار بورس ، شاخص هاي قیمت ماهانه و غیره) ، در کشاورزي ( ارقام سالانه  مربوط به محصول و تولید دام ، فرسایش خاك و فروش صادرات) ، فهرست زمینه هائی که در آن سري زمانی مشاهده شده و تجزیه و تحلیل می شود بی پایان است . هدف تجزیه و تحلیل سري هاي زمانی معمولا دو تا است ، درك یا به مدرك در آوردن مکانیسم تصادفی که منجر به مشاهده ، سري می شود و پیشگویی مقادیر آینده سري ، بر مبناي گذشته ي آن. از جمله موارد کاربردي در سري هاي زمانی ، بوت استرپ است ، افرون در سال (1979) روش بوت استرپ را براي برآورد اریبی ، واریانس و توزیع نمونه اي آماره ها ارائه کرد . نویسندگان زیادي بعد از آن از بوت استرپ استفاده کردند و به نتایجی در این  زمینه رسیدند که می توان از کابایلا 9در سال (1993) و بریدت در سال(1995) و کیم در سال (1999) نام برد.

ABSTRACT

In time-series auto-regression models (AR), time series analysis is usually based on the assumption that the remainders are normal. In the Boot Strepbdon method, it is necessary to distribute the remaining inference. In this paper, we first introduce the least-squares estimators, Shaman-Stein, Andros-Chen, and Zn-Fuller for non-invariant AR models, both of which are the Upper-Fuller estimators, Andros-Chen corrective for the estimator The least squares, and after that, the oblique correction of the parameters is described by the Bootstrap method, and finally, the calculation of the predicted intervals of 7 Bootstrap for the estimators is discussed, and then in simulations with different sizes, simulation for bootstrap prediction intervals And finally, to analyze these pseudo intervals, to analyze actual data Dried.

INTRODUCTION

The analysis of time series has been developed theoretically and practically since the onset of the original work of George P. PBS by Wom (1970) under the title (time series analysis, prediction, and control). . Data from observations, a phenomenon over time, is very common, for example, in business and economics (stock price in the stock market, monthly price indices, etc.), in agriculture (relevant annual figures Livestock production and production, soil erosion and export sales), the list of fields in which the time series is viewed and analyzed is endless. The purpose of analyzing time series is usually two, understanding or attributing a random mechanism that leads to observation, and predicting future series values ​​based on its past. One of the applications in Bootstrap time series, Efron (1979) presented the Bootstrap method for estimating irregularity, variance, and sample distribution of statistics. Many authors later used Bootstrap and came up with results that could be from Kabila 9 (1993) and Bradett (1995) and Kim (1999).

Year: 2012

Publisher : Third Conference on Mathematical Finance and Applications

By : Nasrollah Iranpanah, Leila Abdul Baghi

File Information: persian Language/ 11 Page / size: 298 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1391

ناشر : سومین کنفرانس ریاضیات مالی و کاربردها

کاری از : نصراله ایران پناه , لیلا عبدالباقی

اطلاعات فایل : زبان فارسی / 11 صفحه / حجم : KB 298

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود