یک مدل جدید برای فرآیندهای همبسته دوره ایی با پراکندگی متغیر شرطی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه دامغان

2 دانشگاه صنعتی امیر کبیر، دانشکده ریاضی و علوم کامپیوتر

3 استادیار، گروه ریاضی، دانشکده ریاضی و علوم کامپیوتر، دانشگاه دامغان، دامغان، سمنان، ایران

چکیده

در این مقاله با فرض ساختار دوره‌ایی برای فرآیند LARCH کلاس جدیدی از یک مدل سری‌زمانی با ساختار همبسته دوره‌ایی، واریانس شرطی و حافظه طولانی معرفی می‌شود. همچنین، برای این سری زمانی ساختار وابستگی درون فصلی و بین فصلی مورد مطالعه قرار می‌گیرد. تحت فرض‌های ارائه شده، سری زمانی هر فصل دارای ویژگی حافظه طولانی است. در انتها با استفاده از شبیه‌سازی کارایی برآوردگر R/S، در برآورد پارامتر حافظه طولانی هر فصل نشان داده شده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

A new model for periodically correlated process with conditional heteroscedasticity

نویسندگان [English]

  • Rohollah Ramezani 1
  • Saeid Rezakhah VARNOUSEFADERNAI 2
  • Majid Farhadi 3
1 Department of Statistic, ‎School of‎ ‎Mathematics and Computer Science‎, ‎Damghan ‎University, Damghan, Semnan, Iran
2 Faculty of Mathematics and Computer Science,. Amirkabir University of technology
چکیده [English]

In this paper, we study LARCH processes with periodic structure as a new class of time series with periodic conditional heteroscedasticity and long memory property. We characterize the structure of inter and intra season correlations.
Under the proposed assumptions, the long memory property for each season is studied too. Finally, by simulation study the efficiency of the R/S estimator for estimating long memory parameter of each season is shown.

کلیدواژه‌ها [English]

  • Time series
  • Long Memory
  • Periodically correlated
  • LARCH model