| LEADER |
03614nam a22002417a 4500 |
| 001 |
1765224 |
| 024 |
|
|
|3 10.21608/JSST.2017.59299
|
| 041 |
|
|
|a ara
|
| 044 |
|
|
|b مصر
|
| 100 |
|
|
|9 556732
|a مصطفى، صفاء محمد علي
|e مؤلف
|
| 242 |
|
|
|a The Application of GARCH Models and Artificial Neural Networks to The Analysis of The Homogeneity of Time Series Errors
|
| 245 |
|
|
|a تطبيق نماذج "GARCH" والشبكات العصبية الإصطناعية على تحليل تجانس أخطاء السلسلة الزمنية
|
| 260 |
|
|
|b جامعة بورسعيد - كلية التجارة
|c 2017
|
| 300 |
|
|
|a 1 - 27
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|a تختص مشكلة البحث في محاولة حل مشكلة heteroscedasticity أي عدم ثبات تباين أخطاء السلسلة الزمنية والتي تظهر عادة في السلاسل الزمنية الاقتصادية خصوصا المالية منها وذلك باستخدام أسلوب الشبكات العصبية الاصطناعية Artificial Neural Networks واستخدام النماذج المعممة للانحدار الذاتي المشروط بعدم تجانس التباين garch لحل المشكلة موضوع البحث وذلك بالاعتماد على سلسلة بيانات يومية لمؤشر البورصة المصرية الرئيسي EGX30 في الفترة من 1/6/2014 إلى 29/3/2017. وقد تم التخلص من المشكلة محل البحث باستخدام تلك الأساليب وتمت المقارنة بين نتائجهما وخلص البحث إلى أن أسلوب الشبكات العصبية هو الأفضل من حيث سهولة التحليل ودقة التنبؤ والقضاء على مشكلات الأخطاء. كما تم استخدام الشبكات العصبية في تحسين دقة التنبؤ لنموذج gahrch وقد تم إثبات هذا التحسن في القيم المقدرة باستخدام اختبار مربع كاي لجودة التوفيق والذي أثبت عدم وجود أية فروق ذات دلالة إحصائية وأيدت تحسين التنبؤ.
|
| 520 |
|
|
|b The Research mainly trying to solve the problem of Heteroscedasticity which appears in the financial series in particular by Using The method of Artificial Neural Networks and GARCH( Generalized Autoregressive Conditional Heteroskedasticity) Models. The Research uses a Daily data series of the Egyptian stock exchange main index (EGX30) From 1/6/2014 to 29/3/2017. The Research Succeeded in Solving the problem of Heteroscedasticity With the previous methods and compared it's Results. The Research proofes that the Neural Networks was the best method for analyzing and forecasting and solving the problem of Heteroscedasticity and the Combination of Neural Networks with GARCH models was a successful way to improving the results and enhancing the forecasts.
|
| 653 |
|
|
|a سوق الأوراق المالية
|a مشكلة عدم ثبات التباين
|a السلاسل الزمنية
|a الشبكات العصبية الإصطناعية
|a نماذج GARCH
|a البورصة المصرية
|
| 773 |
|
|
|4 الاقتصاد
|4 إدارة الأعمال
|6 Economics
|6 Business
|c 033
|e The Financial & Commercial Researches Journal
|f Maǧallaẗ Al-Buḥūṯ Al-Mālīyyaẗ wa Al-Tugariyyaẗ
|l 001
|m ع1
|o 0475
|s مجلة البحوث المالية والتجارية
|v 018
|x 2090-5327
|
| 856 |
|
|
|n https://jsst.journals.ekb.eg/article_59299.html
|u 0475-018-001-033.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a EcoLink
|
| 999 |
|
|
|c 1027619
|d 1027619
|
