دانلود ترجمه مقاله کاربرد مدل شبکه عصبی رگرسیون چندک در بررسی ارزش در ریسک (ساینس دایرکت – الزویر ۲۰۱۶) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)
این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در ۱۲ صفحه در سال ۲۰۱۶ منتشر شده و ترجمه آن ۲۸ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
مدل شبکه عصبی رگرسیون خودکار چندک با کاربردهایی در ارزیابی ارزش در ریسک |
عنوان انگلیسی مقاله: |
Quantile autoregression neural network model with applications to evaluating value at risk |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | ۲۰۱۶ |
تعداد صفحات مقاله انگلیسی | ۱۲ صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | آمار و مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | هوش مصنوعی و آمار ریاضی |
مجله | محاسبات نرم کاربردی – Applied Soft Computing |
دانشگاه | گروه ریاضی، دانشگاه برونل،لندن، انگلستان |
کلمات کلیدی | شبکه عصبی مصنوعی، شبکه عصبی رگرسیون خودکار چندک، QARNN، رگرسیون خودکار چندک، رگرسیون چندک، ارزش در ریسک |
شناسه شاپا یا ISSN | ISSN ۱۵۶۸-۴۹۴۶ |
رفرنس | دارد |
لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
نشریه الزویر |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
کیفیت ترجمه | ویژه – طلایی ⭐️⭐️⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin | ۲۸ صفحه |
ترجمه عناوین تصاویر و جداول | ترجمه شده است |
ترجمه متون داخل تصاویر | ترجمه نشده است |
ترجمه متون داخل جداول | ترجمه نشده است |
ترجمه ضمیمه | ترجمه نشده است |
درج تصاویر در فایل ترجمه | درج شده است |
درج جداول در فایل ترجمه | درج شده است |
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
۱٫ پیشگفتار
۲٫ مرور نوشتجات
۳٫ راهاندازی مدل
۳٫۱٫ خودرگرسیون چندک
۳٫۲٫ تاخیر توزیع شدهی خودرگرسیو (خودکاهشی) چندک
۳٫۳٫ ارزش در ریسک خودرگرسیو شرطی
۳٫۴٫ شبکهی عصبی خودرگرسیون چندک
۳٫۴٫۱٫ مشخصات مدل
۳٫۴٫۲٫ تخمین مدل
۳٫۴٫۳٫ انتخاب مدل
۴٫ آزمایشهای عددی
۴٫۱٫ روشهای تخمین VaR کلاسیکی
۴٫۱٫۱٫ مدل ریسک متریک
۴٫۱٫۲٫ مدل GARCH-EVT
۴٫۱٫۳٫ مدل PCC
۴٫۲٫ شبیهسازیهای مونت کارلو
۴٫۲٫۲٫ ارزیابی VaR
۴٫۲٫۳٫ نتایج عملکرد
۴٫۳٫ کاربردهای واقعی
۴٫۳٫۱٫ دادهها جهان واقعی
۴٫۳٫۲٫ عملکرد مدل QARNN
۵٫ نتیجهگیریها
- بخشی از ترجمه:
۵٫ نتیجهگیریها
ما در این مقاله مجددا مدل QAR را بر اساس شبکههای عصبی در نظر میگیریم و یک مدل جدید خودرگرسیون چندک غیرخطی QARNN را توسعه میدهیم. QARNN تعمیم مدلهای موجود است و در توضیح ساختار پیچیدهی دادهها انعطافپذیر است. یک ویژگی جالب مدل QARNN این است که چندکهای خودرگرسیون به عنوان پیشبینی کنندهها به صورت بازگشتی مورد استفاده قرار میگیرند و میتوانند مستقیما تخمین زده شوند. برای توضیح کارایی مدل ارائه شده، ما مطالعات شبیهسازی مونت کارلو و تستهای گستردهای را روی شاخصهای مختلف سهام انجام میدهیم. نتایج عددی نشان میدهند که مدل QARNN قادر به کاوش غیرخطی بودن در سریهای زمانی مالی است و عملکرد بهتری در ارزیابی VaR در مقایسه با برخی مدلهای رقابتی مانند ریسک متریک، GARCH-EVT، ARMA-APARCH، CAViaR، PCC و QRNN دارد.
- بخشی از مقاله انگلیسی:
۵٫ Conclusions
In this article, we reconsider the QAR model based on neural networks and develop a novel nonlinear quantile autoregression model QARNN. The QARNN generalizes existing models and is very flexible at describing complicated data structures. An appealing feature of the QARNN model is that the autoregressive quantiles are used as predictors recursively and can be estimated directly. To illustrate the efficacy of the proposed model we conduct Monte Carlo simulation studies and extensive tests on different stock indices. Numerical results show that the QARNN model is able to explore nonlinearity in financial time series and performs better in VaR evaluation than some competing models, including RiskMetric, GARCH-EVT, ARMA-APARCH, CAViaR, PCC and QRNN.
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
مدل شبکه عصبی رگرسیون خودکار چندک با کاربردهایی در ارزیابی ارزش در ریسک |
عنوان انگلیسی مقاله: |
Quantile autoregression neural network model with applications to evaluating value at risk |
|