فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۱۸۱ تا ۲۰۰ مورد از کل ۲۳۸ مورد.
یک مقایسه بین مدل های اقتصاد سنجی ساختاری ، سری زمانی و شبکه عصبی برای پیش بینی نرخ ارز(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مقاله استفاده از مدل های شبکهعصبی مصنوعی(ANN) و برخی الگوهای متداول در زمینه پیش بینی نرخ ارز، مورد آزمون و تحلیل قرار گرفته بدین صورت که، عملکرد پنج الگوی رگرسیون خطی در مقایسه با شبکه های عصبی مصنوعی، برای پیش بینی نرخ ارز اسمی (ریال ایران به دلار ایالات متحده آمریکا) مورد بررسی قرار می گیرد. الگوهای رگرسیون خطی عبارتند از روش باکس- جنکینز (الگوی میانگین متحرک انباشته خود همبسته)، فرایند گام تصادفی و سه تصریح مختلف بر اساس نظریه برابری قدرت خرید (PPP). هدف اصلی این مقاله، آزمون این فرضیه است که آیا شبکه های عصبی مصنوعی با توان براورد روابط غیرخطی، دارای نتایج بهتر و قابل مقایسه در پیش بینی نرخ ارز نسبت به الگوهای سنتی، به خصوص الگوی گام تصادفی اند یا خیر؟ مقایسه مذکور برای مشاهدات داخل نمونه، براورد الگوها و خارج از نمونه برای افق های پیش بینی رو به جلوی یک ، شش و دوازده ماهه انجام می پذیرد. در حالت کلی، نتایج به دست آمده حاکی از دشوار بودن پیش بینی نرخ ارز، توسط الگوهای ساختاری اقتصادی است، این نتایج هماهنگ با مطالعات قبلی در این زمینه است. بدین صورت که الگوی(فرایند) گام تصادفی نسبت به الگوهای ساختاری پولی در پیش بینی نرخ ارز از عملکرد بهتری برخوردار است. در مقایسه مستقیم عملکرد مدل های(خطی) اقتصادسنجی ساختاری و سری زمانی با شبکه های عصبی(غیرخطی) و با داده های ماهانه، مدل های شبکه های عصبی مصنوعی به وضوح از قدرت بیشتری در زمینه پیش بینی نرخ ارز برخوردارند.
مقایسه کارایی مدل های کلاسیک و پویای بیزین در کاربردی از مدل های خطی پویای سری زمانی بیزین(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پویایی و تغییرات پدیده ها نسبت به زمان، سرشت ذاتی پدیده های اقتصادی است. در اقتصادسنجی پدیده های اقتصادی، نادیده گرفتن ویژگی پویایی آنها منجر به ساده سازی بیش از حد پدیده ها می شود و مدل های که بر این مبنا به دست می آیند اغلب واقع گرایانه نبوده، موجب تفسیرهای نادرست از آن پدیده ها می شوند. کاربست رگرسیون برای بررسی روابط بین متغیرهای اقتصادی، عملی بسیار متداول است. در چنین کاربردهایی اغلب روابط بین متغیرها، ایستا در نظر گرفته می شوند و از تحول این روابط در طی زمان که باعث تغییر در ضرایب معادلات می شوند غفلت می شود. در این مقاله ضمن معرفی مدل های خطی پویا (DLM) کاربردی از این مدل ها را در مورد سری زمانی «متوسط هفتگی قیمت دلار» از دیدگاه بیزی ارایه می کنیم. هدف، بیان روش پویا برای مدل سازی فرایندهای اقتصادی است تا از این رهیافت، سری متوسط هفتگی قیمت دلار را مدل سازی و سپس قیمت دلار را به کمک این مدل ها پیش بینی می کنیم. روش های مختلف دیگری مانند: سری های زمانی ARIMA و شبکه های عصبی برای مدل سازی مطرح هستند. نرخ ارز یک متغیر کلیدی و مهم اقتصادی در سیاستگزاری ها قلمداد می شود، تا جایی که گروهی از کارشناسان به خصوص در کشورهای در حال توسعه، از این متغیر به عنوان لنگر اسمی یاد می کنند، به همین دلیل تعیین نرخ ارز بسیار مورد توجه اقتصاددانان است.
کاربرد داده های ترکیبی در اقتصاد سنجی
حوزه های تخصصی:
کاربرد داده های ترکیبی در اقتصاد سنجی، برتری های زیادی نسبت به استفاده از داده های مقطعی یا سری زمانی دارد. داده های ترکیبی اطلاعات مقاطع متفاوت و پویایی آنها را همزمان در نظر می گیرد. از آنجا که لحاظ نکردن برخی از متغیرها در ساختار مدل ها موجب ایجاد عدم کارایی در برآورد مدل های اقتصاد سنجی می شود، روش داده های ترکیبی که از اطلاعات سری های زمانی و داده های مقطعی تشکیل شده است، اثر این نوع متغیرهای لحاظ نشده یا غیر قابل اندازه گیری را بهتر از داده های مقطعی طی یک سال یا داده های سری های زمانی برای یک مقطع نشان می دهد. داده های ترکیبی روندهای گذشته متغیرها را در می گیرد و از نظر لحاظ کردن پویایی متغیرها، اطمینان ایجاد می کند. این مقاله ضمن بررسی ساختار داده های ترکیبی، کاربرد این نوع داده ها را در اقتصادسنجی بررسی و آزمون های مربوط را تشریح می کند. از جمله ی این آزمون ها، آزمون هاسمن برای تشخیص کاربرد مدل اثر تصادفی یا سایر مدل ها است. همچنین، در این بررسی، آزمون های ایستایی و همجمعی داده های ترکیبی که در اغلب تحقیقات کاربردی بویژه مطالعات داخلی کمتر به آن توجه شده است، مانند MW، LL، IPS و آزمون CADF تشریح می شود.
توزیع نرمال بریده شده و کاربرد آن در بهبود سطح سرویس مطلوب(مقاله علمی وزارت علوم)
حوزه های تخصصی:
توزیع گوسی یا نرما یکی از کاربردی ترین توزیعها در میان متغیرهای تصادفی است . علی رغم آن این واقعیت که توزیع نرمال کلیه مقادیر از منفی بی نهایت تا مثبت بی نهایت را ا ختیار می کند ممکن است در عمل مواقعی که مشاهدات محدود شده اند ، با خطاهای محاسباتی معناداری مواجه شویم . در چنین موقعیتها ، عملا با توزیعهای نرمال بریده شده مواجه هستیم . از جمله برای تعیین میزان موجودی لازم برای رسیدن به سطح سرویس مطلوب ، اغلب فرض می شود که تقاضاها از توزیع نرمال پیروی می کنند . با توجه به این که تقاضاها الزاما دارای مشاهدات کمتر از صفر نیستند . استفاده از توزیع نرمال به برآورد نادرستی از سطح سرویس هدف می انجامد و سطح سرویس به دست آمده کمتر از مقدار واقعی آن خواهد بود ...
هوش مصنوعی چیست ؟
بازتاب سیر تحول افکار اقتصادی و روش های نوین همجمعی بر ساخت الگوهای اقتصاد سنجی کلان
حوزه های تخصصی:
الگوهای اقتصاد سنجی کلان ابزار بسیار سودمندی در دست سیاست گذاران اقتصادی است تا با توسل به آن بتوانند آثار و پی آمدهای سیاست های مختلف اقتصادی را پیش از اجرا مورد مطالعه قرار دهند . این الگوها با تحولات به وجود آمده در شیوه تفکر اقتصادی و پدید آمدن مکتب های فکری جدید در عرصه اقتصاد کلان متحول شده و همراه با بسط و توسعه امکانات رایانه ای در بستر زمان روز به روز کامل تر شده اند . ...
به کارگیری جدول داده ستانده منطقه ای تدوین شده با روش GRIT برای بررسی اشتغال زایی و اهمیت بخش مسکن در استان اصفهان(مقاله علمی وزارت علوم)
حوزه های تخصصی:
سابقه تاریخی جداول داده - ستانده منطقه ای به سال 1950 باز می گردد که اندیشه تدوین آن توسط والتر ایزارد مطرح شد. در ایران تهیه حساب های منطقه ای از برنامه عمرانی پنجم قبل از انقلاب آغاز گردید ولی تاکنون برای استان های معدودی این حساب ها تدوین شده است....
ملاحظاتی اساسی پیرامون کاربرد ریاضیات در اقتصاد(مقاله علمی وزارت علوم)
منبع:
نامه مفید ۱۳۸۲ شماره ۳۵
حوزه های تخصصی:
کاربرد ریاضیات دررشته اقتصاد نسبت به سایر رشته های علوم اجتماعی بسیار برجسته تر است. با وجودی که ابزار ریاضی برای درک بهتر و سریع تر اقتصاد،کمک شایانی به این علم میکند،در عین حال،عدم توجه به ملاحظاتی پیرامون جایگاه این ابزار و ورودی به محدوده افراط و تفریط در مورد آن موجب کاستن اعتبار آن می شود.این مقاله در صدداست به این گونه ملاحظات بپردازد. ابتدا بطورمختصر به طرح بحث اشاره می شود. سپس به تحولات موضوع و در بخش بعدی به مسائل و دشواریهای حوزه مربوطه پرداخته می شود. تاکید برچند نتیجه مهم بخش پایانی را تشکیل میدهد .
ارزیابی روش های پیش بینی ترکیبی : با رویکرد شبکه های عصبی - کلاسیک در حوزه اقتصاد(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در إین مقاله با استفاده از اطلاعات سرى زمانى قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینى قیمت سهام و نیر ارائه مدل بهینه پرداخته مى شود. روشهاى پیش بینى مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: ر و شهاى پیش بینى براساس مدلهاى خطى (کوتاه مدت و بلندمدت)، روشهاى پیش بینى براساس مدلهاى غیرخطى (شبکه هاى عصبى غیرخطى) و مدل شبکه عصبى با ساختار پیشنهادى. در هر مورد نتایج به دست آمده رسم شده اند. با استفاده از پیش پردازش هاى اشاره شده، نشان داده مى شودکه قیمت و بازده سهام (در هر 6 سهم مربوط به صنابع مختلف) از نگاشهاى پیچیده غیر خطى و آشوبگرانه به وجود آمده اند و اساسآ استفاده از انواع مختلف روشهاى خطى صحیح نمى باشد. همچنین نشان داده مى شودکه استفاده از روشهاى غیرخطى شبکه هاى عصبى به خودى خود و به شکل متعارف بهبود قابل ملاحظه اى را به دنبال ندارد. با ارائه پیشنهاد ساختار جدید، مى توان قیمت و بازده را به خوبى در دو حالت پیش بینى روز بعد و پیش بینى سى روز بعد تخمین زد.