|
|
|
|
| |
 |
پیش‌بینی نرخ ارز با استفاده از روش تحلیل مجموعه مقادیر تکین. |
 |
|
| | تاریخ ارسال: 1397/10/18 | |
|
 یارمحمدی، مسعود و رحیم محمودوند. (۱۳۹۵).
پیش‌بینی نرخ ارز با استفاده از روش تحلیل مجموعه مقادیر تکین.
فصلنامه مطالعات اقتصادی کاربردی ایران، جلد ۵، شماره ۲، صص ۱۳۳-۱۴۶.
چکیده
تأثیر نرخ‌های ارز خارجی بر متغیرهای اقتصادی در هر کشوری، ضرورت مدل‌سازی و پیش‌بینی آن را نشان می‌دهد. در این مقاله روش تحلیل مجموعه‌ی مقادیر تکین (SSA) که یک روش ناپارامتری برای تحلیل سری‌های زمانی است، برای مدل‌سازی و پیش‌بینی نرخ روزانه دلار به ریال در بازه زمانی تیرماه ۱۳۹۲ تا شهریور ۱۳۹۴ مورد استفاده قرار گرفته است. برای ارزیابی کیفیت مدل ارائه‌شده از مدل ARIMA به‌عنوان یک مدل رقیب استفاده شده است. برای یافتن بهترین مدل ARIMA از بسته نرم‌افزاری auto.arima در نرم‌افزار R استفاده شده است. همچنین برای مقایسه دو مدل، خطای برازش (درون نمونه‌ای) و خطای پیش‌بینی (خطای برون نمونه‌ای) برای گام‌های پیش‌بینی کوتاه، متوسط و بلند مقایسه شده است. نتایج نشان می‌دهد که SSA می‌تواند به‌عنوان یک روش توانمند برای این منظور به‌کار گرفته شود.
دانلود
|
|
|
|
|
|
| |
|
|
|
Forecasting Daily Exchange Rates: A Comparison between SSA and MSSA |
|
|
| | تاریخ ارسال: 1397/10/18 | |
|
Mahmoudvand, R.; Yarmohammadi, M.; and Rodrigues, P.C. (2018).
Forecasting Daily Exchange Rates: A Comparison between SSA and MSSA.
RevStat-Statistical Journal, Accepted.
Abstract:
In this paper, daily exchange rates in four of the BRICS emerging economies: Brazil, India, China and South Africa, over the period 2001 to 2015 are considered. In order to predict the future of exchange rate in these countries, it is possible to use both univariate and multivariate time series techniques. Among different time series analysis methods, we choose singular spectrum analysis (SSA), as it is a relatively powerful non-parametric technique and requires the fewest assumptions to be hold in practice. Both multivariate and univariate versions of SSA are considered to predict the daily currency exchange rates. The results show the superiority of MSSA, when compared with univariate SSA, in terms of mean squared error.
Download
|
|
|
|
|
|
| |
|
|
|
|
|
|
اطلاعات تماس
نشانی پستی: تهران، اوین، دانشگاه شهید بهشتی، دانشکده علوم ریاضی، گروه آمار
صندوق پستی: 1983969411
تلفن: 22419430(021)
آدرس الکترونیکی: ir.actuary@gmail.com
کلیه حقوق این سایت متعلق به انجمن محاسبات بیمه و مالی ایران بوده و استفاده از مطالب آن با ذکر منبع بلامانع است.
|
|
|
|
|
|
