مطالب مرتبط با کلیدواژه
۱.
۲.
۳.
۴.
۵.
۶.
۷.
۸.
۹.
۱۰.
۱۱.
۱۲.
۱۳.
۱۴.
۱۵.
۱۶.
۱۷.
۱۸.
۱۹.
۲۰.
سری های زمانی
حوزه های تخصصی:
توانایی کم نظیر شبکه های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش های انجام شده در مورد توانایی پیش بینی مدل های خود توضیح جمعی میانگین متحرک (ARIMA) و شبکه های عصبی مصنوعی(ANN) به مقایسه این دو روش برای پیش بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته ایم. افزون بر این، در این پژوهش پس از مدلسازی به وسیله شبکه های عصبی مصنوعی، به منظور تشخیص سهم مشارکت هر پارامتر ورودی در این مدل از تجزیه و تحلیل حساسیت استفاده کرده ایم. با توجه به حجم وسیع به کارگیری اطلاعات روزانه قیمت جهانی نفت (بیش از 5500 روز اطلاعات) نتایج به دست آمده نشان دهنده برتری غیرقابل مقایسه مدل شبکه های عصبی مصنوعی نسبت به مدل ARIMA در پیش بینی قیمت روزانه نفت است.
تحلیل سیکل های تجاری ایران با استفاده از نظریه موجک ها(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تجزیه سری های زمانی به سیکل های مختلف و تحلیل آنها در دامنه زمان و فراوانی اغلب با استفاده از روش های اقتصادسنجی سری زمانی و سری های فوریه انجام می پذیرد. علاوه بر این روش ها، فیلترهایی مانند فیلتر هودریک– پرسکات، باکستر– کینگ و کریستیانو– فیتزجرالد، برای تجزیه سری های زمانی در اقتصاد به کار گرفته می شوند. در این جا، از روش دیگری به نام نظریه موجک ها که توانایی تجزیه سری های زمانی با مقیاس های مختلف را دارد، به منظور تجزیه تولید ناخالص داخلی ایران استفاده می کنیم. نتایج نشان می دهند که روش موجک در شرایط تغییرات هموار سری های زمانی، تفاوت زیادی با روش هودریک– پرسکات ندارد و برای تشخیص سیکل ها در سری های زمانی با تغییرات ناگهانی، بهتر از روش های دیگر عمل می کند. همچنین تحلیل موجک، علاوه بر سیکل ها، اطلاعات بیشتری در اختیار قرار می دهد. نتایج تجزیه تولید ناخالص داخلی ایران با استفاده از تبدیل موجک، نشان می دهند که 8 سیکل 32-16 فصلی و 14 سیکل 16-8 فصلی وجود دارد. هم چنین تحلیل نوسان نشان می دهد که تغییر زیادی در واریانس ضرایب موجک در دوران پیش از جنگ با جنگ وجود ندارد اما در دوران پس از جنگ، نوسان تولید ناخالص داخلی افزایش یافته است.
بررسی مقایسه ای توان پیش بینی شبکه های عصبی مصنوعی با روش توقف زودهنگام و فرایند سری زمانی خودبازگشت در برآورد نرخ تورم(مقاله علمی وزارت علوم)
حوزه های تخصصی:
ین مقاله به بررسی مقایسه ای توان شبکه های عصبی مصنوعی و سری های زمانی خودبازگشت در پیش بینی ایستای نرخ تورم ایران می پردازد. در یک بررسی، با استفاده از 37 سال داده های تاریخی نرخ تورم ایران، مدل شبکه عصبی مصنوعی در پیش بینی آینده نزدیک در مقایسه با سری های زمانی خودبازگشت، بهطور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقف زودهنگام در مرحله یادگیری شبکه عصبی برای پیش بینی سری های زمانی نشان داده شده است.
تغییرات زمانی بارش ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
ارائه روشی تلفیقی برای اندازه گیری و پیش بینی بهره وری دانش کاران مبتنی بر تکنیک سری های زمانی، مورد کاوی شرکت پارس خودرو(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مقاله تلاش بر ارائه روشی مبتنی بر چهارچوب الگوریتم سه مرحله ای حل مسئله است تا بتواند، ابتدا اندازه-گیری بهره وری دانش کاران را در سطوح گوناگون سازمان براساس مدل کلاسیک خروجی به ورودی و مدل ویژه «دابلیو.سی.اِم.» (خواستن، توانستن و امکان داشتن) نمایش دهد(تعیین وضع موجود)، دوم این که علت های ایجاد وضع موجود را براساس مدل ویژه ارائه شده شناسایی نموده و بر اساس روش های تصمیم گیری مناسب اولویت بندی شوند. و بااستفاده از تحلیل های دینامیکی میزان تاثیرشان بر بهره وری دانش کاران مشخص شود (تعیین علت ها)، در پایان بهره وری دانش کاران را در دوره زمانی یک ساله مبتنی بر تکنیک های سری های زمانی پیش بینی نموده و با توجه به شرایط، از میان گزینه های گوناگون بهترین گزینه را به عنوان راه کار برای بهبود بهره وری دانش کاران ارائه دهد (ارائه راه کار). روش یاد شده در شرکت ایرانی آزمون شده است و مبتنی بر رویکرد اعتبارسنجی ساختاری اعتبارسنجی می شود.
پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی
حوزه های تخصصی:
اندازه و روند شاخص های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می باشد. جهت پیش بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول ترین آنها روشهای رگرسیون و مدل های ARIMA هستند اما این مدل ها در عمل جهت پیش بینی بعضی از سریها ناموفق بوده اند. در تحقیق حاضر برای پیش بینی شاخص کل بورس از مدل شبکه های عصبی پیش خور با قانون یادگیری پس انتشار خطا5 در سه ساختار شبکه با الگوهای متفاوت ورودی استفاده گردید و نتایج مدل با نتایج مدل های رگرسیون چند متغیره و مدل های ARIMA مورد مقایسه قرار گرفت.نتایج تحقیق نشان داد که روش شبکه های عصبی خطای RMSE به میزان قابل توجهی کمتر از RMSE روشهای دیگر است و در بازار بورس اوراق بهادارتهران پیش بینی کوتاه مدت با فاصله زمانی کمتر، مناسب تر از پیش بینی بلند مدت با فاصله زمانی طولانی تر است.
بررسی روند حافظه بلندمدت در بازارهای جهانی نفت(مقاله علمی وزارت علوم)
حوزه های تخصصی:
بررسی اثرات حافظه در بازارهای نفت خام دارای جذابیت تحقیقاتی بالایی است و توجه محققان را در حوزه های مختلف، از فیزیک اقتصاد گرفته تا مباحث اقتصادی بسیار کلاسیک، به خود جلب کرده است. اهمیت مسأله به این دلیل است که نبود ناهمبستگی در قیمت ها بر وجود اثرات غیرتصادفی ای دلالت دارد که برای آربیتراژ در بازار استفاده می شود. در این مقاله پارامتر حافظه ی بازارهای نفت خام به وسیله ی روش های مختلف پارامتریک، نیمه پارامتریک و ناپارامتریک براورد شده و روند حافظه در طی زمان و تحلیل ساختار بازار نفت بررسی شده است. تحلیل حافظه ی بازار نفت با براورد پارامتر تفاضل کسری با روش های مختلفی از جمله روش حداکثر درست نمایی، حداقل مربعات غیرخطی، نمای هرست ، جوک و پورتر- هوداک ، نمای هرست تعدیل شده یا لو ، وایتل و موجک انجام شده است. نتایج روش های وایتل و موجک که اعتبار بالایی در براورد دارد، بیانگر آن است که هر چند قیمت های نفت خام مورد بررسی دارای حافظه بلندمدت نیست؛ اما، دارای ویژگی «برگشت به میانگین» نامانا هست. محور اصلی بحث این مقاله بررسی روند حافظه ی بازار است. نتایج به دست آمده از بررسی روند تغییرات حافظه بیانگر آن است که پارامتر حافظه ی بازارهای بین المللی نفت تغییر روند محسوسی نداشته است. به عبارت دیگر، در دوره ی بررسی شده، کاهش یا افزایش معنی داری در کارایی بازار رخ نداده است.
بررسی ویژگی ها و توان پیش بینی سری های زمانی جریان های نقدی عملیاتی میان دورهای و جایگزین های آن(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پیش بینی جریان های نقدی عملیاتی بر اساس الف : سری جریان های نقدی عملیاتی گزارش شده و یا ب: سایر سری های زمانی به عنوان جایگزین جریان های نقدی عملیاتی انجام می شود. سری های جایگزین، به طور معمول، الگوریتم های ساده ای از اجزای صورتهای مالی هستند. تحقیقات نشان میدهد، ویژگی ها و توان پیش بینی سری های زمانی گزارش شده و جایگزین های آن متفاوت است؛ لذا روایی خارجی تحقیقاتی که بر اساس جایگزین ها انجام می شود، با مشکل همراه است. تحقیق حاضر آثار تفاوت ویژگی های سری زمانی جریان های نقدی عملیاتی میان دوره ای گزارش شده و جایگزین آن را از نظر توان پیش بینی تبیین می کند. بررسی ساختار شایع سری های زمانی جریان های نقدی عملیاتی میان دوره ای گزارش شده و جایگزین 45 شرکت پذیرفته شده در بورس اوراق بهادار تهران برای 18 دوره نشان می دهد: اگرچه بین مقادیر توابع خود همبستگی نمونه (SAC) و خود همبستگی جزئی نمونه (SPAC) و توان پیش بینی سری های زمانی گزارش شده و جایگزین آن تفاوت هایی دیده می شود، اما مدل توصیف کننده رفتار توابع خود همبستگی سری ها یکسان است و توان پیش بینی سری های زمانی از نظر آماری تفاوت معنی داری ندارد.
مطالعه روند تغییرات بارش برف در منطقه شمال غرب ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
یکی از صفات مشترک همه پیش بینی های مربوط به تغییرات اقلیمی، گرم شدن میانگین دمای هوا، در نزدیکی سطح زمین است. از تاثیرات منفی گرمایش جهانی، کاهش آب رودخانه ها و سطح آب دریاچه ها، بخصوص در محیط هایی است که به ذوب تدریجی برف وابسته اند.به طور خاص، درجه حرارت گرمتر هوا، باعث کاهش تجمع برف در فصل سرد سال شده و این موضوع به شدت، رواناب را در فصل بهار و تابستان کاهش می هد. این تغییر فصلی در رواناب، باعث کاهش شدید منابع آب در بخش های مختلف، نظیر شهری، صنعتی و کشاورزی شده و آب پشت دیواره سدها را نیز، به شدت کاهش می دهد. با توجه موارد مطرح شده در فوق، در این مطالعه با استفاده از داده های بارش روزانه برف و میانگین سالانه دمای تعداد 15 ایستگاه سینوپتیک منطقه شمال غرب ایران، نسبت به بررسی تغییرات دراز مدت بارش برف و میانگین دمای سالانه اقدام شده است.روش مورد استفاده در این مطالعه، تحلیل روند بر مبنای سری های زمانی و آزمون روند بر مبنای روش های اسپیرمن، کندال و پیرسون می باشد. نتایج حاصل از مقایسه بین مجموع بارش برف و نسبت بارش برف به کل بارش سالانه با روند تغییرات دما نشان داد که در ایستگاههای ارومیه، تبریز، اهر، خلخال، پیرانشهر و ماکو ضمن افزایش میانگین دمای سالانه، میزان بارش برف از روند نزولی معنی داری برخوردار می باشد و این موضوع می تواند نشان دهنده اثرات منفی گرمایش تدریجی در منطقه شمال غرب ایران بر روی تغییر رﮊیم بارش از برف به باران و کاهش شدید منابع آب وابسته به ذوب تدریجی برف باشد.
مقایسه دقت پیش بینی مدل های باکس- جنکینز در مدل سازی بارندگی فصلی(مطالعه موردی: ایستگاه های منتخب استان خوزستان)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
بنابر اهمیت روز افزون تامین آب در کشور، مدیریت منابع آب از اهمیت والایی برخوردار است. پیش بینی بارندگی به عنوان یکی از مهمترین پارامترهای اقلیمی از اهمیت و یژه ای در استفاده از منابع برخوردار است. برای پیش بینی بارش می توان از سری های زمانی استفاده کرد. تحقیق حاضر در سه ایستگاه منتخب (اهواز، آبادان، دزفول) از استان خوزستان به منظور مقایسه دقت مدل های باکس- جنکینز صورت گرفته است. برای این منظور از داده های بارندگی ماهانه سه ایستگاه هواشناسی استان به مدت 48سال، (1340-1387)، استفاده شده است. با استفاده از روش رگرسیون داده های ناقص برآورد و همگنی داده ها توسط آزمون توالی ها بررسی شد. با استفاده از مدل های باکس -جنکینز سری زمانی بارش بررسی و بهترین مدل برازش داده شد .صحت و دقت مدل ها براساس آمارهای AIC و تحلیل نمودار توابع خود همبستگی و خود همبستگی جزئی تأیید گردید. مدل مناسب بارش فصلی اهواز 12(2،1،0) (0،1،2)ARIMA و آبادان 12 (0،1،1) (0،1،2)ARIMA و دزفول 12(0،1،1) (1،1،2) ARIMAبدست آمد. نتیجه این مطالعه نشان می دهد که این مدل ها از دقت تقریبا خوبی برای پیش بینی بارش فصلی برخوردار بودند.
اثر شوک های متقارن و نامتقارن نفتی بر شاخص کل قیمتی در بازار بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
با توجه به اهمیت تغییرات قیمت نفت در درآمد های نفتی ایران به عنوان یک کشور صادر کننده نفت و در نتیجه اثرات آن بر اقتصاد نفتی کشور، هدف این مقاله بررسی اثرات شوک های نفتی بر تغییرات مهم ترین شاخص بورس اوراق بهادار در ایران یعنی شاخص کل قیمتی می باشد.
بدین منظور از داده های ماهانه از 1370:1 تا 1390:9(1991:4 تا 2011:12) استفاده گردید. برای بررسی رابطه بین قیمت نفت و سهام، علاوه بر متغیر های قیمت نفت و شاخص قیمتی سهام، نرخ ارز واقعی و حجم نقدینگی نیز به مدل اضافه شده استهم چنین از سه معیار مختلف برای مشخص کردن شوک های نفتی استفاده شده است: شوک های خطی، شوک های موزون شده و شوک های خالص. تحلیل آماری در قالب مدل های سری زمانی شامل گارچ (GARCH) و خود توضیحی(VAR) انجام یافته است.
طبق نتایج به دست آمده، شوک های نفتی اثر مثبت بر شاخص های سهام دارند یعنی با افزایش قیمت نفت، شاخص های سهام نیز افزایش می یابند. هم چنین نتایج حاکی از آنست که اثر شوک های پولی بیشتر از شوک های نفتی می باشد. آزمون اثرات نا متقارن نیز وجود هر گونه اثر نامتقارن نفتی بر شاخص سهام را تایید نمی کند.
بررسی وجود حافظه بلندمدت در شاخص های بورس اوراق بهادار تهران و تأثیر آن بر تئوری بازار کارا از نوع ضعیف
حوزه های تخصصی:
هنگامی که مشاهدات گذشته با آینده دور همبستگی بالایی داشته باشد و رابطه آن ها قابل چشم پوشی نباشد، سری زمانی مورد مطالعه دارای ویژگی حافظه بلندمدت است. سنجش وجود حافظه بلندمدت در یک سری زمانی کاربردهای فراوانی در حوزه های گوناگون مالی دارد. در این پژوهش وجود حافظه بلندمدت در سری بازده شاخص های بیمه، بانک، فراورده های نفتی، منسوجات، شیمیایی و زراعت در بورس اوراق بهادار تهران (در دوره زمانی 1/1/1388 تا 1/1/1393) با استفاده از آزمون BDS بررسی شده است، سپس برای تأیید آزمون فوق از آزمون های ARFIMA استفاده شده است. نتایج این مطالعه نشان می دهد، همه شاخص های بررسی شده حافظه بلندمدتی دارند. در انتها با تأیید وجود حافظه بلندمدت در شاخص ها، ازآنجاکه حافظه بلندمدت موجب وابستگی بازده های قبلی آن می شود، نشان دهنده وجود پارامتری قابل پیش بینی در دینامیک سری زمانی است. وجود این ویژگی دلیلی بر رد شکل ضعیف فرضیه کارایی بازار است.
الگوسازی روندهای فضایی جمعیت روستایی براساس میانگین متحرک فضایی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
فضا دارای سلسله مراتبی است که در هر سطح، بافت و الگویی متفاوت را شکل می دهد. برای تحلیل فضا به ابزارهایی نیاز است که بتوان با آنها روندهای جمعیتی در کشور را به نحو مطلوب الگوسازی کرد و جمعیت را در سطح مناطق پیش بینی کرد. توزیع و پراکندگی جمعیت به عوامل مختلفی بستگی دارد که در سطوح و مقیاس های مختلف عمل می کنند و بافت های فضایی متفاوتی را به وجود می آورند. در مدل سازی روندهای فضایی، مفاهیمی مانند MAUP، واحدهای فضایی، سلسله مراتب فضایی، میانگین متحرک فضایی، ماتریس وزن جغرافیایی، و روندهای فضایی مطرح می شود که برآیندشان شکل گیری ساختارهای فضایی است. برای انجام تحقیق حاضر، از داده های سرشماری عمومی نفوس و مسکن سال 1385 استفاده شد. این اطلاعات در سطح واحدهای شش گوش فضایی با هم تلفیق شدند، سپس واحدهای همسایگی مشخص گردید و میانگین متحرک فضایی برای آنها محاسبه شد. در مرحلة بعد، تحلیل نتایج صورت گرفت. برای عرضة نتایج و یافته های تحقیق، از نقشه و نمودار استفاده شد. نمودار ها با توجه به درجة میانگین متحرک فضایی، الگوهایی مشخص را نشان می دهند. داده ها نیز به نقشه تبدیل شدند تا وضعیت روندهای فضایی را نشان دهند. نقشه ها در مقیاس های مختلف الگوهای متفاوتی را ارائه می کنند. توزیع و پراکندگی جمعیت روستایی ایران، از الگوی فضایی ویژه ای تبعیت می کند. با میانگین متحرک های درجة پایین تر، روندهای محلی شکل می گیرند و با افزایش درجة میانگین متحرک فضایی، روندهای محلی به روندهای عمومی تبدیل می شوند.
پیش بینی روند پژوهش در مدیریت منابع انسانی با استفاده از تحلیل سری های زمانی (با استناد به مقالات پایگاه های اطلاعاتی علمی)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
توجه به اهمیت مدیریت منابع انسانی و نیاز روزافزون به آن در سازمان ها و اداره ها و همچنین، گستردگی حوزه های تحقیقاتی در این زمینه، بررسی روند پژوهش در مدیریت منابع انسانی مهم است. هدف از پژوهش حاضر، بررسی سیر تغییر و تحول پژوهشی در حوزه های تحقیقاتی مدیریت منابع انسانی و پیش بینی روند آینده ی آن است. در این راستا، تعداد 50014 مقاله ی مربوط به مدیریت منابع انسانی که طی سال های 1962 تا 2011 در 81 نشریه منتشر شده است، مورد تجزیه وتحلیل قرار گرفت و با استخراج داده ها، ذخیره سازی در بانک اطلاعاتی و تحلیل روند 50 سال گذشته، تلاش شد با استفاده از تحلیل سری های زمانی به پیش بینی 10 سال آینده ی هر یک از حوزه های تحقیقاتی مدیریت منابع انسانی پرداخته شود. نتایج روند صعودی را در تمامی حوزه ها، به خصوص: روابط کار و کار گروهی؛ تجزیه وتحلیل شغل؛ سامانه های اطلاعاتی و مدیریت راهبردی منابع انسانی، نشان می دهد.
بررسی و تعیین روند تغییرات پارامترهای کمّی و کیفی چشمه های آب گرم معدنی شهر توریستی سرعین با استفاده از آزمون ناپارامتری مان– کندال(مقاله علمی وزارت علوم)
حوزه های تخصصی:
چشمه های آب معدنی شهر سرعین نقش بسیار مهمی در تأمین منابع آب و همچنین رونق اقتصادی و جذب گردشگری منطقه دارد. از اینرو مطالعه روند تغییرات کمّی و کیفی آب بسیار حائز اهمیت است. در این مطالعه با استفاده از آزمون ناپارامتری مان کندال نسبت به بررسی و تعیین روند پارامترهای کمّی و کیفی چشمه های 9گانه ی آبگرم معدنی شهر سرعین واقع در شمال غرب ایران در دوره ی آماری 1389-1360 در 3 سطح معنی داری 1%، 5% و 10% اقدام گردیده است. متغیّرهای مورد بررسی شامل دبی و دما با داده های ماهانه 25 ساله و متغیّرهای اسیدیته، میزان سیلیس، هدایت الکتریکی و سختی کل با داده های سالانه 30 ساله می باشد. بدین منظور ابتدا خودهمبستگی معنی دار مرتبه ی اول از سری داده ها حذف و سپس برای هر سری زمانی شیب خط روند با روش تخمین گر Sen محاسبه شد. در نهایت مطابقت کلی نسبتاً قابل قبولی با فرض اولیه تحقیق مبنی بر کاهش آبدهی و افزایش دما به دلیل گرمایش زمین در نتایج مشاهده گردید. اکثرچشمه ها دارای آبدهی با روند منفی معنی داربودند و به عبارتی روند آبدهی چشمه ها کاهشی بوده است. در مورد دمای چشمه ها نیز3 چشمه افزایش دما و 2 چشمه کاهش دما داشته و سایر چشمه ها فاقد روند دمایی می باشند. اسیدیته و میزان سیلیس اکثر چشمه ها در 30 سال دوره ی سالانه افزایش یافته و هدایت الکتریکی و سختی کل اکثر چشمه ها کاهش یافته است.
انتخاب تابع مناسب جهت بررسی عوامل مؤثر بر قیمت سهام معامله شده در بازار بورس اوراق بهادار و پیش بینی آتی این قیمت ها(مقاله علمی وزارت علوم)
حوزه های تخصصی:
با توجه به اهمیت تغییرات قیمت نفت در درآمد های نفتی ایران به عنوان یک کشور صادر کننده نفت و در نتیجه اثرات آن بر اقتصاد نفتی کشور، هدف این مقاله بررسی اثرات شوک های نفتی بر تغییرات مهم ترین شاخص بورس اوراق بهادار در ایران، یعنی شاخص کل قیمتی است. بررسی قیمت سهام در بورس اوراق بهادار و به تبع آن بررسی و کنترل بازار سرمایه که بخشی مهمی از بازارهای مالی در هر کشور است، به عنوان عامل پر اهمیتی در سیاست گذاری و اعمال سیاست های کلان اقتصادی نقش دارد. این بازارها با کنترل و هدایت پس اندازها و نقدینگی موجود به بخش های مختلف اقتصاد ملی، سبب سرمایه گذاری و انتقال سرمایه به شرکت ها، بنگاه ها و فعالان اقتصادی شده و چشم اندازه آتی این سازمان های اقتصادی را نشان می دهند. با توجه به اینکه در کوتاه مدت شوک و شدت جابجایی نقدینگی و سرمایه بخش خصوصی و افراد جامعه از بخش های اقتصادی به غیراقتصادی بسیار بالاست، لذا شناسایی و معرفی اطلاعات، ساختار و پیش بینی این بازار کوتاه مدت جهت تعیین سیاست های مناسب بسیار حیاتی است. در این مقاله سعی شده است با نگاهی بر داده های آماری ماهانه ۱۳۸۰:۱ تا ۱۳۹۲:۱۲به بررسی عوامل مؤثر بر ارزش سهام در بورس بپردازد که در اینجا با استفاده از آزمون غیرآشیانه ای مدل بهینه و مناسب جهت بررسی عوامل مؤثر بر ارزش سهام در بورس انتخاب شده و رابطه موجود برمبنای روش خود توضیح برداری VARتخمین زده می شود. از طرفی با توجه به اینکه از طریق پیش بینی این گونه بازارهای مالی و سرمایه ای که با ثبات و کارآمد هستند، می توان چارچوبی جهت رسیدن به رشد و توسعه اقتصادی ارائه کرد. این مقاله به بررسی ثبات ساختاری و پیش بینی این بازار بر مبنای فرایند خودتوضیح جمعی با میانگین متحرک ARIMAپرداخته و بر اساس نتایج به دست آمده، سیاست های کاربردی پیشنهاد می گردد.
تحلیل طیفی سری های زمانی توفان های تندری شمال غرب ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
بادهای شدید تحت عنوان توفان نامگذاری شده اند که به شکل های متفاوت و با سرعت زیاد برای مدتی کوتاه می وزند و معمولاً با هوای ناپایدار همراه هستند. اگر هوای پایدار رطوبت داشته باشد توفان تندری و اگر خشک باشد توفان گرد و خاک ایجاد می شود. هدف از این مطالعه بررسی و تحلیل نوسان های زمانی توفان های تندری در شمال غرب ایران (استان های اردبیل، آذربایجان شرقی و آذربایجان غربی) با استفاده از تحلیل طیفی (تحلیل همسازه ها) می باشد. بدین منظور داده های روزانه 16 ایستگاه همدید (در قالب داده های هوای حاضر)، از سازمان هواشناسی کشور طی دوره آماری 1988-2009 استفاده شد. در ادامه کدهای مربوط به توفان های تندری شامل کد 17، 29، 91 تا 99 استخراج گردید. سپس به منظور بررسی و تحلیل چرخه های توفان های تندری شمال غرب ایران از امکانات برنامه نویسی در محیط نرم افزارMatlab و برای انجام عملیات ترسیمی از نرم افزار Surfer بهره گرفته شد. نتایج نشان داد که فراوانی چرخه های 2 ساله بیش تر از بقیه حاکمیت دارد؛ بنابراین از نظر فراوانی تعداد چرخه های معنی دار، 2 چرخه با فراوانی 5 ایستگاه بیش ترین نسبت را به خود اختصاص داده است. ایستگاه های ماکو و خوی و نواحی مرکزی شامل ایستگاه های تبریز، مراغه، مهاباد و تکاب، چرخه های 6-2 ساله را به خود اختصاص داده اند و از حیث احتمال بیش ترین احتمال وقوع در این نواحی قرار گرفته است.
بازسازی سری های زمانی NDVI سنجنده MODIS با استفاده از الگوریتم تجزیه وتحلیل هارمونیک سری های زمانی (HANTS) (مطالعه موردی: استان یزد)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
شاخص تفاوت پوشش گیاهی نرمال شده (NDVI)، یکی از شاخص های گیاهی است که در زمینه مطالعه پایش تغییرات پوشش گیاهی در طول زمان، کاربردهای فراوانی دارد. باید توجه داشت که این شاخص، نیازمند داده های زمانی پیوسته و کامل در یک بازه زمانی مورد نظر می باشد. بااین حال در مواردی گردوغبارهای جوی، ذرات معلق در هوا، عدم کارایی سنجنده، گازها به ویژه حضور ابرها، به طور قابل توجهی بر انرژی بازتابنده از سطح به ویژه در محدوده ی طول موج های کوتاه و مادون قرمز اثر می گذارد و منجر به ایجاد تصاویری با داده های ازدست رفته و یا مقادیر غیرقابل قبول می شود. در این مطالعه، به منظور رفع مشکل داده های جاافتاده و دورافتاده، در سری های زمانی شاخص NDVI سنجنده MODIS طی سال های 2001 تا 2005، از الگوریتم تجزیه وتحلیل هارمونیک سری های زمانی (HANTS) استفاده می شود. این الگوریتم برای اجرای دو کار طراحی شده است: 1- شناسایی و از بین بردن نقاط دورافتاده و مشاهدات ابری، 2- پر کردن فاصله باقی مانده بین مشاهدات معتبر توسط درون یابی زمانی. ارزیابی نتایج الگوریتم HANTS نشان می دهد که خطای جذر میانگین مربعات (RMSE)، بین داده های اصلی و بازسازی شده در سری های زمانی یک ساله و پنج ساله، به ترتیب کمتر از 02/0 و 03/0 واحد NDVI می باشند. به طورکلی نتایج این پژوهش نشان می دهد که الگوریتم HANTS، در رفع مشکل داده های ازدست رفته و داده های دورافتاده در سری های زمانی NDVI، می تواند مؤثر واقع شود.
بررسی مقایسه ای مدل های پیش بینی کوتاه مدت قیمت در بازار برق ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در ده ه های اخیر رقابتی شدن بازار برق، مقوله قیمت را به یک عنصر اساسی در تصمیم گیری های بازیگران در چهارچوب صنعت برق تبدیل نموده است و به تبع آن بخش خصوصی به عنوان سرمایه گذار اصلی در این حوزه نیازمند پیش بینی قیمت های آینده به منظور اتخاذ استراتژی مناسب و سازگار با روند کلی نظام بازار در راستای حفظ سهم خود از بازار و حفظ حاشیه سود می باشد. در چهارچوب تحلیل های اقتصادی، این هدف با ابزار مد ل های اقتصاد سنجی محقق خواهد شد که اعتبار مدل یاد شده ناظر به کمینه سازی خطای پیش بینی در تطابق الگوی پیش بینی شده با واقعیت جاری است. پژوهش حاضر به بررسی مقایسه ای قدرت پیش بینی مدل های مبتنی بر شبکه های عصبی مصنوعی، الگوریتم ژنتیک و مدل آریما در افق کوتاه مدت با استفاده از داده های ساعتی قیمت برق پرداخته است. نتایج پژوهش، حاکی از آن است که در افق کوتاه مدت، شبکه های عصبی مصنوعی، خطای کمتری نسبت به دو الگوی دیگر در پیش بینی داشته و الگوریتم ژنتیک در جایگاه دوم قرار دارد. همچنین، الگوهای سری زمانی دارای بیشترین خطا در پیش بینی قیمت برق، با توجه به پیش بینی های درون نمونه ای را دارا می باشد. مجموع مربعات خطا در الگوی شبکه عصبی مصنوعی در داده های آموزش، اعتبار سنجی و آزمون، به ترتیب برابر 43/1473، 63/1762 و 32/1498، در الگوریتم ژنتیک در داده های آموزش و اعتبارسنجی به ترتیب برابر 20/11318 و 98/7085 و در الگوی سری زمانی برابر 37/34644 می باشد.
پیش بینی شاخص کل بورس اوراق بهادار تهران با رویکرد سیستم استنتاج عصبی- فازی انطباق پذیر و الگوریتم رقابت استعماری(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این پژوهش یک روش نوین ترکیبی برای پیش بینی شاخص کل بورس اوراق بهادار تهران ارائه شده است که هم زمان از الگوریتم رقابت استعماری به عنوان روش انتخاب ویژگی و شبکه فازی عصبی انطباق انطباق پذیر به عنوان تابع پیش بینی کننده استفاده می نماید. برای انجام این امر از 68 ویژگی مؤثر بر بازار بورس اوراق بهادار؛ که شامل شاخص های اقتصادی، شاخص های بورس ایران و سایر کشورها، شاخص های تحلیل فنی و شاخص های شمعدان ژاپنی به صورت روزانه در بازه زمانی 1389-1395 به عنوان ورودی مدل استفاده شده است. همچنین، شاخص کل بورس اوراق بهادار روز آتی به عنوان متغیر هدف مسئله مسأله در نظر گرفته شده است. نتایج به دست آمده نشان می دهد که مدل ترکیبی شبکه عصبی- فازی انطباق انطباق پذیر و الگوریتم رقابت استعماری پیش بینی های بسیار مناسب تری داشته و به نسبت شبکه های عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی شاخص کل بورس اوراق بهادار برخوردار بوده است.