|
|
|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
3 نتیجه برای نرخ ارز
حمیدرضا مصطفایی، مریم صفایی،
جلد 3، شماره 2 - ( 12-1388 )
چکیده
در اوایل سال 1381 اعمال سیاست یکسان سازی نرخ ارز موجب کاهش شدید ارزش اسمس ریال ایران در برابر هر دلار امریکا شد. لذا به علت وجود تغییرات ناگهانی و بزرگ نمی توان از سریهای زمانی خطی برای مدل بندی نوسان های نرخ تغییرات ریال ایران در برابر دلار امریکا استفاده نمود. در این مقاله مدل اتورگرسیو استانه ای خود محرک و مدل اتورگرسیو تبدلی مارکف مورد مقایسه قرار گرفته و نشان داده خواهد شد که تنها مدل اتورگرسیو تبدلی مارکف توانایی نشان دادن رفتار نرخ تغییرات ریال ایران در برابر دلار امریکا را دارد
مریم صفایی،
جلد 5، شماره 1 - ( 6-1390 )
چکیده
در این مقاله، با استفاده از احتمال های تغییر وضعیت m-دوره بعد زنجیر مارکف، احتمال تغییر وضعیت رفتار نوسان های در این مقاله روشی برای برآورد احتمال تغییر وضعیت سری های زمانی مالی توسط مدل اتورگرسیو تبدلی مارکوف پیشنهاد شده است. سپس با استفاده از این مدل، رفتار نوسان های نرخ ارز به دو رژیم نرخ تغییرات کم و زیاد مدل بندی شده است. نتایج پیش بینی نشان می دهد که احتمال ماندگاری در رژیم ها رو به کاهش است. بنابراین اگر فرایند در یک رژیم معین باشد، احتمال میل به تغییر وضعیت آن به رژیم دیگر رو به افزایش خواهد بود..
غلامعلی پرهام، پریسا مسجدی،
جلد 7، شماره 2 - ( 12-1392 )
چکیده
یکی از موضوع های مورد توجه در بررسی کارایی یک بازار مالی، وجود ویژگی حافظه بلند مدت است. برای یک سری زمانی مالی ممکن است این ویژگی در تلاطم نمود پیدا کند. یکی از روش های شناسایی و مدل بندی حافظه بلند مدت در تلاطم، استفاده از مدل های ناهمگنی شرطی خودهمبسته تعمیم یافته انباشته کسری است. در این مقاله به شناسایی و مدل بندی حافظه بلند مدت در تلاطم داده های نرخ ارز پرداخته می شود. با توجه به خصوصیات آماری چولگی، دم کلفتی و بیش کشیدگی داده ها، فرض نرمال بودن مانده ها معنی دار نیست و نمی توان از روش های معمول به شناسایی مدل پرداخت. با توجه به ساختار داده ها توزیع وارون گاوسی یک انتخاب مناسب برای توزیع مانده ها است. بنابراین با این فرض به شناسایی مجدد مدل پرداخته می شود. نتایج نشان می دهند، مدل ناهم واریانس شرطی خودهمبسته تعمیم یافته انباشته کسری با توزیع وارون گاوسی انتخابی مناسب برای داده ها است
|
|
|
|
|
|
|
|
|
|
|
