• شماره ركورد
    23040
  • پديد آورنده

    مرضيه عبدي فرد

  • عنوان
    بررسي كاربرد تابع امتياز در مدل‌هاي سري زماني ناهمواريانس شرطي
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    آمار رياضي
  • سال تحصيل
    1396
  • تاريخ دفاع
    1399/03/10
  • استاد راهنما
    دكتر رحمان فرنوش
  • استاد مشاور
    دكتر رضا احمدي
  • دانشكده
    رياضي
  • چكيده
    در اين پژوهش، روشي ساده براي مدل‌سازي تغييرات زماني نوسانات و ديگر گشتاورهاي مراتب بالاتر با استفاده از يك طرح به‌روزرساني كه شبيه به ديدگاه ريسك متريك است، ارائه مي‌دهيم. در اين روش پارامترها با استفاده از امتياز توزيع پيش‌بيني به‌روزرساني و به‌طور خودكار با ويژگي‌هاي داده‌هاي غيرنرمال سازگار مي‌شوند كه همين استحكام برآوردهاي بعدي را افزايش مي‌دهد. اين ديدگاه برخي از طرح‌هاي ميانگين متحرك موزون نمايي قبلي را در برمي‌گيرد. به‌علاوه، اين رويكرد براي ابعاد بالاتر و همچنين توزيع‌هاي پيش‌بيني متنوع‌تر قابل بسط دادن است. در اين پژوهش از روش جديد براي پيش‌بيني ارزش در معرض خطر با توزيع تي استيودنت (تي استيودنت چوله) با درجه آزادي متغير در زمان (و يا چولگي متغير درزمان) استفاده كرديم و نشان داديم اين روش به‌خوبي و يا حتي بهتر از روش‌هاي قبلي براي پيش‌بيني نوسانات بازده نرخ ارز خارجي مي‌باشد.
  • تاريخ ورود اطلاعات
    1399/10/24
  • عنوان به انگليسي
    Investigating the use of score functions in time series models
  • تاريخ بهره برداري
    5/30/2020 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    مرضيه عبدي فرد

  • چكيده به لاتين
    In this research, We present a simple methodology for modeling the time variation in volatilities and other higher-order moments using a recursive updating scheme that is similar to familiar Risk-Matric approach. The parameters are updated using the score of the forecasting distribution, which allows the parameter dynamic to update automatically to any non-normal data features, and increases the robustness of the subsequent estimates. The new approach nests several of the earlier extensions to the exponentially weighted moving average (EWMA) scheme. In addition, it can be extended easily to higher dimensions and alternative forecasting distributions. The method is applied to Value-at-Risk forecasting with (skewed) Student's t distributions and time-varing degrees of freedom and/or skewness parameter. We show that the new method is as good as or better than earlier methods for forecasting the volatility of exchange rate returns.
  • كليدواژه هاي فارسي
    امتياز , مدل‌هاي امتياز اتورگرسيو تعميم‌يافته , نوسانات پويا , گشتاورهاي مراتب بالاتر پويا , مدل‌هاي ميانگين متحرك موزون نمايي , ارزش در معرض خطر
  • كليدواژه هاي لاتين
    Score , Generalized autoregressive score models , Dynamic volatilities , Dynamic higher-order moments , Exponentially Weighted Moving Average (EWMA) , Value-at-Risk (VAR)