| dc.contributor.author | اشراقی, محسن | fa_IR |
| dc.contributor.author | غفاری, فرهاد | fa_IR |
| dc.contributor.author | محمدی, تیمور | fa_IR |
| dc.date.accessioned | 1399-07-09T06:03:32Z | fa_IR |
| dc.date.accessioned | 2020-09-30T06:03:32Z | |
| dc.date.available | 1399-07-09T06:03:32Z | fa_IR |
| dc.date.available | 2020-09-30T06:03:32Z | |
| dc.date.issued | 2017-02-19 | en_US |
| dc.date.issued | 1395-12-01 | fa_IR |
| dc.date.submitted | 2016-04-30 | en_US |
| dc.date.submitted | 1395-02-11 | fa_IR |
| dc.identifier.citation | اشراقی, محسن, غفاری, فرهاد, محمدی, تیمور. (1395). پیش‌بینی بازدهی شاخص صنعت پتروشیمی در بورس اوراق بهادار تهران با استفاده از مدل‌های ARIMA و ARFIMA. اقتصاد کاربردی, 6(19), 15-26. | fa_IR |
| dc.identifier.issn | 2251-6212 | |
| dc.identifier.uri | http://jae.srbiau.ac.ir/article_10260.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/294640 | |
| dc.description.abstract | پیش بینی متغیرهای اقتصادی از اهمیت ویژه ای در مباحث اقتصادی برخوردار است و مدل های مختلفی جهت پیش بینی مقادیر آتی متغیرها به وجود آمده اند. یکی از مهمترین کارکردهای مدل های اقتصادی، پیش بینی مقادیر آتی متغیرهای اقتصادی می باشد. در حقیقت مدل های اقتصادی را می توان از طریق بررسی میزان دقت پیش بینی مورد آزمون قرار داد. بدین صورت که اگر یک مدل اقتصادی در تبیین روابط موجود بین متغیرها موفق باشد، باید بتواند پیش بینی صحیحی از آینده متغیرها نیز ارائه نماید. هدف اصلی این مقاله پیش بینی بازدهی شاخص یکی از مهمترین و تاثیرگذارترین صنایع کشور،صنعت پتروشیمی، است. نتایج آماری وجود حافظه بلندمدت در بازدهی این صنعت را تایید می‌کنند، لذا برای پیش بینی شاخص صنعت پتروشیمی از دو مدل اقتصادسنجی شامل ARFIMA و ARIMA استفاده شده است. به طوریکه، مدل ARFIMA با در نظر گرفتن حافظه بلندمدت و مدل ARIMA بدون در نظر گرفتن حافظه بلندمدت مدنظر قرار گرفتند. ارزیابی میزان دقت پیش بینی دو مدل مذکور با استفاده از داده‌های روزانه شاخص صنعت پتروشیمی در بوررس اوراق بهادار تهران در بازه زمانی 24/03/1384 الی 25/05/ 1394نشان می‌دهد که با تفاوت اندکی مدل ARFIMA بهتر از مدل ARIMA عمل کرده است، ولی با توجه به مشکلات برآورد ضرایب مدل ARFIMA و سادگی مدل ARIMA، این تفاوت اندک قابل چشم پوشی است و می‌توان از مدل ARIMA برای پیش بینی بازدهی صنعت پتروشیمی استفاده کرد. | fa_IR |
| dc.format.extent | 600 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | دانشگاه آزاد اسلامی واحد علوم و تحقیقات | fa_IR |
| dc.relation.ispartof | اقتصاد کاربردی | fa_IR |
| dc.subject | پیش بینی | fa_IR |
| dc.subject | میانگین متحرک خودهمبسته | fa_IR |
| dc.subject | میانگین متحرک خودهمبسته جزئی | fa_IR |
| dc.subject | صنعت پتروشیمی | fa_IR |
| dc.title | پیش‌بینی بازدهی شاخص صنعت پتروشیمی در بورس اوراق بهادار تهران با استفاده از مدل‌های ARIMA و ARFIMA | fa_IR |
| dc.type | Text | en_US |
| dc.type | مقاله پژوهشی | fa_IR |
| dc.contributor.department | دانشجوی کارشناسی ارشد اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات | fa_IR |
| dc.contributor.department | دانشیار اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران | fa_IR |
| dc.contributor.department | دانشیار اقتصاد، دانشگاه علامه طباطبایی | fa_IR |
| dc.citation.volume | 6 | |
| dc.citation.issue | 19 | |
| dc.citation.spage | 15 | |
| dc.citation.epage | 26 | |
