اقتصاد سنجی
احد رحیم پور؛ مسعود یارمحمدی؛ رحیم چینی پرداز؛ علی شادرخ
چکیده
اغلب داده‌های سری زمانی چند متغیره با استفاده از مدل اتورگرسیو میانگین متحرک برداری (VARMA) مدل بندی می‌شود. ولی وجود نقاط دورافتاده اغلب ناقض فروض مانایی بوده و ممکن است باعث مدل‌سازی اشتباه، اریبی برآورد پارامترها و پیش‌بینی نادرست شود. بنابراین در این تحقیق، برآورد جدیدِ مبتنی بر شبیه‌سازی استوار برای پارامترهای مدل VARMA معرفی ...
بیشتر
اغلب داده‌های سری زمانی چند متغیره با استفاده از مدل اتورگرسیو میانگین متحرک برداری (VARMA) مدل بندی می‌شود. ولی وجود نقاط دورافتاده اغلب ناقض فروض مانایی بوده و ممکن است باعث مدل‌سازی اشتباه، اریبی برآورد پارامترها و پیش‌بینی نادرست شود. بنابراین در این تحقیق، برآورد جدیدِ مبتنی بر شبیه‌سازی استوار برای پارامترهای مدل VARMA معرفی می‌شود. برآورد مبتنی بر شبیه‌سازی نوعی برآورد غیرمستقیم بوده و به جای برآورد مدل پیچیده VARMA از برآورد مدل ساده‌تر اتورگرسیو برداری (VAR)با مرتبهی بالا استفاده می‌کند. برای این کار، ابتدا روی مشاهدات مدل VAR برازش می‌شود سپس داده‌هایی از VARMAهای مختلف شبیه سازی شده و روی هر مجموعه داده شبیه سازی شده مدل VAR برازش می‌شود. اساس روش مبتنی بر شبیه‌سازی، فاصله بین برآورد مدل VAR روی داده‌های "شبیه سازی" و "مشاهدات" است. مقادیری از پارامترها که در شبیه سازی از مدل VARMA استفاده کرده و مینیمم این فاصله را ارائه دهد، برآورد پارامترهای مدل VARMA هستند. حال در صورتی که برآورد مدل VAR به صورت استوار باشد انتظار داریم که برآورد مدل VARMA نیز استوار گردد. به همین دلیل برای برآورد مدل VAR، از روش استوار BMM با عملکرد بهتر استفاده شده است. برآوردگر مبتنی بر شبیه‌سازی خواص سازگاری و نرمال بودن مجانبی را دارا است. در ادامه با مطالعات شبیه سازی در داده‌های بدون نقاط دورافتاده نشان داده شد که نسبت میانگین توان دوم خطای این برآوردگر به برآوردگر ماکسیمم درستنمایی شرطی بین 7/0-6/0 بوده که برای یک برآوردگر استوار قابل قبول می‌باشد. همچنین وقتی 05/0 داده‌ها به نقاط دورافتاده آلوده شود، میانگین توان دوم خطای برآوردگر مبتنی بر شبیه‌سازی استوار نسبت به برآوردگر ماکسیمم درستنمایی شرطی کمتر است.
به عنوان مثال کاربردی، داده‌های مربوط به قیمت طلا و دلار در بازار آزاد تهران در بازه‌ی زمانی 1392-1397 به صورت هفتگی جمع آوری و بررسی شده است. لازم به ذکر است که قیمت طلا و ارز اغلب، تحت تاثیر بحران‌های اقتصادی، سیاسی، ظهور جنگ و ... قرار گرفته و این بحران‌ها باعث به وجود آمدن نقاط دورافتاده می‌شود. لذا برای کاهش اثرات بد این نقاط دورافتاده و برآورد صحیح مدل از روش استوار استفاده می‌شود. نکته دیگر در مورد قیمت طلا و دلار، وجود همبستگی بالای آن‌ها بوده و برای تعیین اثرات متقابل طلا و دلار در پیش‌بینی از مدل VARMA می‌توان استفاده نمود. برازش مدل VARMA(1,1) به این داده‌ها نشان می‌دهد که واریانس خطای مربوط به قیمت طلا در مدل استوار نسبت به ماکسیمم درستنمایی شرطی 38 درصد و واریانس خطای مربوط به قیمت دلار در مدل استوار نسبت به ماکسیمم درستنمایی شرطی 30 درصد کاهش می‌یابد. به عبارت دیگر استفاده از این روش، منجر به پیش‌بینی‌های بهتر با واریانس کمتر می‌گردد. با توجه به مدل برداری برازش شده، پیش‌بینی قیمت طلای هر هفته با استفاده از قیمت طلای هفته قبل و نوسانات طلا و دلار هفته قبل بدست می‌آید. همچنین، پیش‌بینی قیمت دلار هر هفته به‌وسیله قیمت دلار هفته قبل و نوسانات دلار هفته قبل انجام می‌شود.
رحیم چینی پرداز؛ الهام مختاری؛ بهزاد منصوری
چکیده
در این تحقیق به تاثیر و شناسایی انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح، تغییر موقت در تعیین مدل و براورد پارامترهای سری زمانی چند متغیره پرداخته می شود. برای شناسایی انواع نقاط پرت در مدل سری های زمانی چند متغیره روش تکرار پانکراز و همکاران (2000) مورد توجه قرار می گیرد. سپس توانایی این روش نسبت به روش کلاسیک یک متغیره سری زمانی مورد ...
بیشتر
در این تحقیق به تاثیر و شناسایی انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح، تغییر موقت در تعیین مدل و براورد پارامترهای سری زمانی چند متغیره پرداخته می شود. برای شناسایی انواع نقاط پرت در مدل سری های زمانی چند متغیره روش تکرار پانکراز و همکاران (2000) مورد توجه قرار می گیرد. سپس توانایی این روش نسبت به روش کلاسیک یک متغیره سری زمانی مورد بررسی قرار می گیرد. از آنجا که قیمت سکه تحت تاثیر قیمت جهانی طلا و همچنین به دلیل استفاده آن در اعیاد و مراسم ملی تحت تاثیر تغییرات فصلی مختلف قرار می گیرد، الگوی مناسبی برای سری های زمانی توام با نقاط پرت و شوک های اقتصادی است. روش پیشنهادی برای به دست آوردن شوک های اقتصادی قیمت ربع، نیم و تمام سکه آزادی ایران از فروردین 1378 تا آذر 1387 مورد استفاده قرار گرفته و نتایج آن با روش کلاسیک یک متغیره مقایسه شده است. مقایسه نتایج عددی نیانگر حساسیت روش پیشنهادی نسبت به روش معمول است.
محمد رضا یگانگی؛ رحیم چینی پرداز
چکیده
پیش بینی در بازارهای مالی همواره مورد توجه پژوهشگران و سرمایه گذاران بوده است. در این میان پیش بینی شاخص بازار از اهمیت ویژهای برخوردار است، به طوری که همزمان با توسعه ی مدل های سری زمانی، روش های پیش بینی شاخص در بازارهای مالی نیز بسیار توسعه یافته اند. در این مقاله با استفاده از ترکیب خبرگان، مدلی برای ...
بیشتر
پیش بینی در بازارهای مالی همواره مورد توجه پژوهشگران و سرمایه گذاران بوده است. در این میان پیش بینی شاخص بازار از اهمیت ویژهای برخوردار است، به طوری که همزمان با توسعه ی مدل های سری زمانی، روش های پیش بینی شاخص در بازارهای مالی نیز بسیار توسعه یافته اند. در این مقاله با استفاده از ترکیب خبرگان، مدلی برای پیش بینی شاخص بورس تهران ارائه گردیده است. نتایج این پژوهش نشان داد که مدل ارائه شده توانایی بالایی در مدل‌بندی و پیش بینی شاخص بورس تهران دارد. طبقه بندی JEL: C22 ،C48 ،C53
