ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تقدير المربعات الصغرى العامة ا...>الوصف

تقدير المربعات الصغرى العامة البايزى لنماذج المتوسط المتحرك الموسمى النقى باستخدام أخطاء التقريب التى تتبع نموذج الضجة البيضاء " اتجاة بايز "

العنوان بلغة أخرى: GLS Estimation of Pure SMA Models Using A White Noise Approximation Error : A Bayesian Approach
المصدر: مجلة البحوث المالية والتجارية
الناشر: جامعة بورسعيد - كلية التجارة
المؤلف الرئيسي: عبدالعزيز، سماح كمال (مؤلف)
المجلد/العدد: ع2
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2014
الصفحات: 534 - 554
ISSN: 2090-5327
رقم MD: 777538
نوع المحتوى: بحوث ومقالات
قواعد المعلومات: EcoLink
مواضيع:
النظم المحاسبية | نموذج الضجة البيضاء | نماذج المتوسط المتحرك الموسمى النقى | المربعات الصغرى البايزية
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

32

حفظ في:
المستخلص: هذا البحث يقترح أسلوب جديد للتقدير البايزي لنماذج المتوسط المتحرك الموسمي النقيPure SMA . هذا الأسلوب يعتمد على استبدال الأخطاء في النموذج الأصليPure SMA بالبواقي المناظرة لها بالإضافة إلى أخطاء التقريب أو التقدير errors (approximation) estimationوهذه البواقي(الأخطاء المقدرة) عبارة عن الأخطاء المقدرة من انحدار طويل a long AR modelوبشكل غير مشابهة لمنهجية بروملنج وشعراوي (طريقة شعراوي وإسماعيل (1٩٨٨ م)) تم الأخذ في الاعتبار أخطاء التقريب مع افتراض أنها تتبع نموذج الضجة البيضاء White Noise ثم استخدامها في اشتقاق التوزيع البعدي لمعلمات النموذج وقد تبين أن التوزيعات البعدية التقريبية لمعاملات نموذج المتوسط المتحرك الموسمي النقي تتبع توزيع ت المتعدد وان التوزيع البعدي لمعامل الدقة هو توزيع جاما سواء تم استخدام التوزيع القبلي المعلوماتي أو غير المعلوماتي. وباستخدام العديد من دراسات المحاكاة تم مقارنة الطريقة المقترحة -طريقة BGLS-مع طريقة شعراوي وإسماعيل، وقد أظهرت النتائج أن الطريقة المقترحة تعطي تقديرات جيدة في حالة البيانات الربع سنوية وأنها تحتاج إلى 150 مشاهدة في حالة البيانات الشهرية لزيادة دقة التقديرات، بالإضافة إلي تفوق طريقة شعراوي وإسماعيل عليها في تقدير نماذج المتوسط المتحرك الموسمي النقي في حالة العينات الصغيرة خاصة في البيانات الشهرية مع تحسن النتائج كلما زاد طول السلسلة الزمنية بدقة اعلي لطريقة شعراوي وإسماعيل.

This paper proposes a new Bayesian method for estimating pure seasonal moving average (SMA) models. The proposed methodology is based on replacing lagged errors of the original SMA model with appropriately lagged residuals from a long autoregression. Unlike Shaarawy and Ismail (1988), the approximation error when replacing true errors with corresponding residuals is considered assuming a white noise process for such approximation error and used in deriving the posterior distribution of the model parameters. The proposed Bayesian Generalized Least Squares (BGLS) method and Shaarawy and Ismail's method are compared using several simulation studies.
ISSN: 2090-5327

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.