ارائه روش qEnSRF در فضای حالت مدلهای اقتصاد سنجی جهت تخمین داده ها با بهترین دقت و کمترین خطا
Publish place: The First International Conference on Econometrics
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,790
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECONOMETRICS01_028
تاریخ نمایه سازی: 9 دی 1391
Abstract:
در این مقاله، به تشریح قاعده کوادراتور فیلتر ریشه دوم گروهی (qEnSRF) ترکیبی از قواعد کوادراتور فیلتر کالمن گروهی (qENKF) و فیلتر ریشه دوم گروهی (EnSRF) می باشد. برای تخمین و پیش بینی داده ها با خطای کمتر در مدلهای اقتصاد سنجی نظیر GARCH, AR, ARMA که در فضای حالت قرار می گیرند از روش فیلتر کالمن گروهی استفاده می کنیم. فیلتر کالمن گروهی (EnKF) به عنوان یک روش یکسان سازی ترتیبی داده ها در گستره وسیعی استفاده می شود، سپس با معرفی خطاها با استفاده از قاعده qEnSRF که به میزان قابل توجهی از خطای نمونه گیری گروه را کاهش می دهد بهره می بریم. در این مقاله تلاش شده است که یک مدلی برای تخمین فضای حالت بر اساس خواص عددی قاعده qEnSRF و یکسان سازی داده ها برای پیش بینی متغیرهای تصادفی سری زمانی معرفی شود، بدین منظور پیش بینی باز ارز را پیشنهاد می کنیم تا با این روش بتوان معیاری جهت خرید و فروش به موقع ارز بدست آورد. روش qEnSRF می تواند به تنهایی و یا همراه با مدلهای اقتصاد سنجی مورد استفاده قرار گیرد که به تشریح الگوریتم آن می پردازیم.
Keywords:
فضای حالت- مدلهای اقتصاد سنجی- فیلتر کالمن گروهی (EnKF)- کوادراتور فیلتر ریشه دوم گروهی (qEnSRF)- یکسان سازی داده ها
Authors
محمدعلی فریبرزی عراقی
عضو هیئت علمی دانشگاه، دانشجوی کارشناسی ارشد
عزت الله فریدنیا
گروه ریاضی و آمار، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد تهرا
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :