ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Forecasting economic time series using locally stationary processes : a new approach with applications

دانلود کتاب پیش بینی سری های اقتصادی اقتصادی با استفاده از فرایندهای ثابت محلی: یک رویکرد جدید با برنامه های کاربردی

Forecasting economic time series using locally stationary processes : a new approach with applications

مشخصات کتاب

Forecasting economic time series using locally stationary processes : a new approach with applications

دسته بندی: اقتصاد
ویرایش:  
نویسندگان:   
سری: Volkswirtschaftliche Analysen, Bd. 19 
ISBN (شابک) : 9783631621875, 3631621876 
ناشر: Peter Lang 
سال نشر: 2012 
تعداد صفحات: 141 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 936 کیلوبایت

قیمت کتاب (تومان) : 47,000



کلمات کلیدی مربوط به کتاب پیش بینی سری های اقتصادی اقتصادی با استفاده از فرایندهای ثابت محلی: یک رویکرد جدید با برنامه های کاربردی: رشته های مالی و اقتصادی، پیش بینی فرآیندهای اقتصادی-اجتماعی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


در صورت تبدیل فایل کتاب Forecasting economic time series using locally stationary processes : a new approach with applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب پیش بینی سری های اقتصادی اقتصادی با استفاده از فرایندهای ثابت محلی: یک رویکرد جدید با برنامه های کاربردی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب پیش بینی سری های اقتصادی اقتصادی با استفاده از فرایندهای ثابت محلی: یک رویکرد جدید با برنامه های کاربردی

ثابت بودن همیشه نقش مهمی در تئوری پیش بینی ایفا کرده است. با این حال، برخی از سری های زمانی اقتصادی، اتوکوواریانس های متغیر با زمان را نشان می دهند. این سوال مطرح می‌شود که آیا می‌توان پیش‌بینی‌ها را با استفاده از مدل‌هایی بهبود بخشید که چنین ساختار مرتبه دوم متغیر با زمان را نشان می‌دهند. یک امکان توسط مدل‌های اتورگرسیو با پارامترهای متغیر زمان داده شده است. نویسنده بر توسعه یک روش پیش‌بینی برای این فرآیندها تمرکز دارد و این رویکرد را با روش‌های پیش‌بینی کلاسیک با استفاده از شبیه‌سازی مونت کارلو مقایسه می‌کند. ارزیابی روش پیشنهادی با کاربرد آن در قیمت‌های آتی و شاخص داو جونز ارائه می‌شود. اگر اندازه نمونه بزرگ باشد و افق های پیش بینی در آینده خیلی دور نباشد، رویکرد نسبت به روش های کلاسیک برتر است.


توضیحاتی درمورد کتاب به خارجی

Stationarity has always played an important part in forecasting theory. However, some economic time series show time-varying autocovariances. The question arises whether forecasts can be improved using models that capture such a time-varying second-order structure. One possibility is given by autoregressive models with time-varying parameters. The author focuses on the development of a forecasting procedure for these processes and compares this approach to classical forecasting methods by means of Monte Carlo simulations. An evaluation of the proposed procedure is given by its application to futures prices and the Dow Jones index. The approach turns out to be superior to the classical methods if the sample sizes are large and the forecasting horizons do not range too far into the future



فهرست مطالب


 Content: 1 Introduction; 2 From stationarity to local stationarity; 2.1 Stationary stochastic processes; 2.1.1 A short introduction to stationarity; 2.1.2 Spectral representation of stationary processes; 2.1.3 Stationary ARMA processes; 2.1.4 Asymptotical properties of the sample partial autocorrelations of a stationary AR(p) process; 2.2 Locally stationary processes; 2.2.1 Evolutionary spectrum; 2.2.2 Definition of local stationarity; 2.2.3 Local covariance estimation; 2.2.4 Local partial autocorrelation; 2.2.5 TVAR; 3 Estimation. 3.1 Maximum likelihood estimation with the Kullback-Leibler information divergence3.2 Sieve estimation; 4 Forecasting; 4.1 Prediction in the case of stationarity; 4.2 Approaches to forecast time series using TVAR processes; 4.3 Iterative stages in the selection of a model; 4.4 Simulations; 5 Application; 5.1 Motivation; 5.2 Futures data; 5.2.1 Course of action; 5.2.2 Practical evaluation of TVAR processes on futures series; 5.3 Dow Jones index data; 6 Conclusion; 6.1 Contributions; 6.2 Possible directions for future research; References; Notations and abbreviations; List of tables. List of figuresA Appendix; B GAUSS source code; B.1 Fitting time-varying autoregressive models to non-stationaryprocesses; B.2 Procedures for computing the coefficient functions.




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی