ارائه الگوریتم qEnKF برای کاهص خطاهای نمونه گیری گروهی جهت کنترل و مدیریت پیص بینی متغیرهای تصادفی سری زمانی
Publish place: 3rd Conference on Financial Mathematics and Applications
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 879
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CFMA03_006
Index date: 6 June 2015
ارائه الگوریتم qEnKF برای کاهص خطاهای نمونه گیری گروهی جهت کنترل و مدیریت پیص بینی متغیرهای تصادفی سری زمانی abstract
در این مقاله، به تشریح قواعد کوادراتور فیلتر کالمن گروهی (qEnKF) می پردازیم. برای کنترل و مدیریت پیش بینی دادهها با خطای کمتر در مدلهای اقتصاد سنجی نظیر AR, ARMA, GARCH 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 qEnKF که به میزان قابل توجهی خطاهای نمونه گیری گروهی 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 qEnKF و یکسان سازی داده ها برای پیش بینی متغیرهای تصادفی سری زمانی معرفی شود، بدین منظور پیش بینی باز ارز را پیشنهاد می دهیم تا با این روش بتوان معیاری جهت خرید و فروش به موقع ارز بدست آورد. روش qEnKF می تواند به تنهایی و یا همراه با مدلهای اقتصاد سنجی مورد استفاده قرار گیرد که به تشریح الگوریتم آن می پردازیم.
ارائه الگوریتم qEnKF برای کاهص خطاهای نمونه گیری گروهی جهت کنترل و مدیریت پیص بینی متغیرهای تصادفی سری زمانی Keywords:
روش فیلتر کالمن (KF) , روش فیلترکالمن گروهی (EnKF) , قواعد کوادراتور فیلترکالمن گروهی (qEnKF) , کاهش خطاهای نمونه گیری گروهی , کنترل و مدیریت داده ها
ارائه الگوریتم qEnKF برای کاهص خطاهای نمونه گیری گروهی جهت کنترل و مدیریت پیص بینی متغیرهای تصادفی سری زمانی authors
عزت الله فریدنیا
گروه ریاضی و آمار، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد تهران مرکزی
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 :