یکی از جنبه های مهم سیاست های ارزی، سیاست مداخله بانک مرکزی در بازار ارز است. بانک مرکزی از طریق تغییر در ذخایر خارجی خود، جهت ایجاد ثبات در بازار ارز مداخله می کند. هدف این پژوهش برآورد تابع واکنش مداخلات ارزی بانک مرکزی ایران است. برای این منظور از الگوی رگرسیون ترکیبی با تواتر متفاوت (میداس) که امکان می دهد، متغیرهای سری زمانی با تواترهای متفاوت کنار هم در یک رگرسیون قرار گیرند، استفاده شده است. بر این اساس با استفاده از داده های مربوط به سال های 1381 تا 1396 برای متغیرهای مداخلات مستقیم ارزی (سالانه)، سطح ذخایر ارزی (فصلی)، صادرات نفت و گاز (فصلی) و نوسانات نرخ ارز (فصلی) تابع واکنش مداخلات ارزی بانک مرکزی برآورد شد. نتایج نشان داد که در میان متغیرهای موردآزمون، میزان مداخله سیاست گذار، حساسیت بیشتری به میزان صادرات دارد و همراه با افزایش صادرات نفتی، مداخله بانک مرکزی در بازار ارز افزایش می یابد. همچنین، طی دوره زمانی مورد بررسی، مداخلات بانک مرکزی عمدتا از نوع مداخلات ناهمسو بوده است. به علاوه، با استفاده از سه روش وزن دهی آلمون، بتا و آلمون نمایی به بررسی عملکرد متغیرها جهت پیش بینی مداخلات ارزی بانک مرکزی پرداخته شد. نتایج نشان داد که بر اساس شش معیار ارزیابی، متغیر صادرات نفتی از نظر پیش بینی عملکرد بهتری ارائه می دهد. هم چنین، مقایسه عملکرد پیش بینی های انفرادی و ترکیب پیش بینی ها با استفاده از روش رتبه های میانگین مجذور خطا نشان داد ترکیب پیش بینی ها که تاثیر تمام متغیرهای مورد آزمون را منعکس می کند، نسبت به پیش بینی های انفرادی عملکرد بهتری ارائه نمی دهد.

از آنجا که اولین گام در کنترل انحراف نرخ ارز حقیقی شناخت صحیح مقادیر تعادلی آن است، در پژوهش حاضر اثر برخی از متغیرهای بنیادی بر نرخ ارز حقیقی در چارچوب یک الگوی غیرخطی و با استفاده از داده های 120 کشور درحال توسعه مربوط به دوره زمانی 2019-2000 مورد بررسی قرار گرفت. بر این اساس، الگوی تصریح شده نرخ ارز حقیقی شامل متغیرهای توضیحی مانند بهره وری، نسبت سرمایه گذاری به تولید، نسبت مخارج دولت به تولید، بازبودن تجاری، رابطه مبادله و خالص دارایی های خارجی بوده است، که به روش الگوی رگرسیون انتقال ملایم داده های ترکیبی برآورد شد. نتایج حاصل از برآورد الگو نشان داد که تمامی این متغیرها اثرات معناداری بر نرخ ارز داشته است. همچنین نتایج نشان دهنده وجود انواع مختلف انحراف نرخ ارز (ارزش گذاری بیشتر یا کمتر از حد) در تمامی کشورها و تقریباً در همه سال های مورد بررسی بود. در بین کشورهای مورد بررسی، ایران نوسان های زیادی را در بازار ارز خود تجربه کرده است، به طوری که شاهد نوسان های گسترده در نرخ ارز حقیقی تا سال 2002 بود و پس از آن تا حدودی از میزان انحراف از مقدار تعادلی کاسته شد. دلیل این انحراف مبتنی بر هر دو پدیده ارزش گذاری بیش از حد و کمتر از حد پول داخلی بوده است.

از آنجا که دقت دادهای اندازه گیری شده فرآیندی در پیشبینی کیفیت محصولات بسیار مهم است، در این تحقیق بر روی پیش پردازش داده ها تمرکز گردید. برای این منظور حسگر مجازی برای تعیین کیفیت گازوییل خروجی از پایلوت تصفیه هیدروژنی طراحی شد. طراحی حسگر مجازی بر اساس یکی از روش های جدید یادگیری ماشین به نام ماشین بردار رگرسیون انجام گردید. برای پیش پردازش داده ها از تکنیک ترکیبی به صورت پشت سر هم متشکل از آنالیز موجک و کوانتیزاسیونبرداری به منظور حذف خطاهای تصادفی، متراکمسازی داده ها و چشمپوشی از داده هایی که شباهت کمتری به سایر داده ها دارند، استفاده گردید. روش های متفاوتی از آنالیز موجک برای حذف خطاهای تصادفی به کار برده شد و بهترین روش انتخاب گردید. آزمایشات حذف خطاهای تصادفی با استفاده از آنالیز موجک با تابع پایه هار و دابیچز و با الگوریتمهای انتخاب آستانه Heursure ،Rigrsure Minimaxi و Sqtwolog انجام شد. مقایسه نتایج نشان داد که روش Db4 به همراه روش آستانه گیری Rigrsure بهترین نتایج حذف خطا را به دنبال دارد. با استفاده از این روش مقدار عددی AARE و RMSE نسبت به انواع دیگر تابع موجک بهتر است. همچنین، معیار عملکردی AARE برای سنجش دقت پیش بینی مدل ماشین بردار رگرسیون استفاده گردید. مقدار AARE برابر 053/0 به دست آمد که نشان دهنده دقت بالای مدل در پیشبینی غلظت گوگرد خروجی از رآکتور میباشد.

در این مقاله سعی می گردد تا مشکل انجام تجزیه و تحلیل قابلیت فرآیند زمانی که خود همبستگی در بین داده وجود دارد مورد بحث و بررسی قرار گیرد. همچنین تاثیر خود همبستگی بر روی برآورد واریانس بررسی شده و نشان داده می شود که واریانس حاصل نااریب نخواهد بود و بنابراین تجزیه و تحلیل های قابلیت فرآیند نیز با مشکل مواجه خواهد شد. جهت برطرف کردن مشکل فوق یک روش براساس مدلهای سری زمانی ARIMA ارایه می گردد. در نهایت برآورد واریانس براساس باقیمانده ها و تاثیر آن بر روی شاخص های قابلیت فرآیند مورد بررسی قرار خواهد گرفت.

تحلیل داده های با بعد بالا با استفاده از روش های رگرسیون کلاسیک انجام پذیر نیست و ممکن است نتایج آن گمراه کننده باشد. در این تحقیق سعی شده است با معرفی تکنیک های جدید و قدرتمندی مانند رگرسیون بردار پشتیبان، رگرسیون تابعی، رگرسیون ستیغی و لاسو، به واکاوی این گونه داده ها پرداخته شود. در این راستا، با تحلیل دو مجموعه داده بعد بالا (داده های مربوط به تولید ریبوفلاوین و شبیه سازی شده) با روش های معرفی شده، به ارزیابی کاراترین مدل با استفاده از سه معیار (مجذور همبستگی، میانگین توان دوم خطا و میانگین انحراف درصد خطای مطلق) با توجه به نوع داده ها پرداخته می شود.

تحلیل رگرسیون آماری روشی شناخته شده برای فرمول بندی رابطه بین متغیر پاسخ (خروجی) و برخی از متغیرهای توضیحی (ورودی) با استفاده از مجموعه مشاهدات بر اساس فرض توزیع های نرمال است. رگرسیون خطی فازی اساسی ترین روش در حوزه مدل سازی فازی است که در آن رابطه نامشخص بین متغیرهای هدف و توضیحی تخمین زده می شود و به طور مکرر در طیف گسترده ای از کاربردهای دنیای واقعی به طور موثر مورد استفاده قرار گرفته است. در این مقاله ما مدل رگرسیون فازی با ضرایب اعداد فازی نوتروسوفیک را مورد بررسی قرار می دهیم برای این کار ابتدا تعمیمی از اندازه فاصله دیاموند را برای این اعداد می نویسیم و سپس به کمک روش کمترین توان دوم پارامترهای مدل را که اعداد فازی مثلثی نوتروسوفیک هستند را برآورد می نماییم و در نهایت با ذکر یک مثال، کاربردی از مدل ارائه شده را بیان می کنیم.

برای بررسی هم بستگی فضایی خطاها در مدل پانلی فرضیه ها و آزمون های متنوعی عرضه شده است. در این مقاله ضمن معرفی داده های پانلی فضایی، وجود هم بستگی فضایی خطاها و اثرات تصادفی از طریق یک آزمون ضریب لاگرانژ توأم، که به طور هم زمان وجود آن ها را آزمون می کند، بررسی می شود. برای این منظور آماره آزمون توأم ضریب لاگرانژ و توزیع مجانبی آن معرفی می شود. یک بررسی شبیه سازی به منظور بررسی توان و اندازه این آزمون برای فرضیه های توأم انجام شده است. سپس نحوه کاربست این مدل در مثالی کاربردی با بررسی هم بستگی فضایی خطاها و اثرات تصادفی موجود در داده های صادرات محصولات کشاورزی کشورهای عضو اکو نشان داده می شود. در انتها نیز بحث و نتیجه گیری ارائه می شود.

0