تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله شناسایی رخدادها در سری ‌های زمانی مالی – نشریه الزویر

عنوان فارسی: شناسایی رخدادها در سری ‌های زمانی مالی: یک رویکرد جدید به bipower variation
عنوان انگلیسی: Identifying events in financial time series – A new approach with bipower variation
تعداد صفحات مقاله انگلیسی : 7 تعداد صفحات ترجمه فارسی : 13
سال انتشار : 2017 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
نوع مقاله : ISI نوع نگارش : مقالات پژوهشی (تحقیقاتی)
پایگاه : اسکوپوس کد محصول : F1036
محتوای فایل : zip حجم فایل : 1.08Mb
رشته های مرتبط با این مقاله: علوم اقتصادی
گرایش های مرتبط با این مقاله: اقتصادسنجی
مجله: اسناد تحقیقات مالی - Finance Research Letters
دانشگاه: گروه مالیه، دانشگاه تکنولوژی و اقتصاد بوداپست، مجارستان
کلمات کلیدی: تشخیص جهش، تشخیص رخداد، نوسانات تحقق یافته، bipower variation
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن: ترجمه شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است ✓
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.frl.2016.11.003
ترجمه این مقاله با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1- مقدمه

2- چارچوب نظری و مسائل کاربردی

3- آزمون BPV چند نمونه‌ای

4- عملکرد آزمون چند نمونه‌ای: یک تحلیل مونته کارلو

5- تحلیل تجربی

5-1 داده‌ها

5-2 روش معیار

5-3 نتایج

نتیجه گیری

نمونه متن انگلیسی

Abstract

We present a statistical test to identify significant events in financial price time series. In contrast to “jumps,” we define “events” as non-instantaneous, but nevertheless unusually fast and large, price changes. We show that non-parametric tests perform badly in detecting events so defined. We propose a new approach to explore the dependence of jump detection statistics on the sampling method used and find that our method improves the event detection rate of the standard test by a factor of three.

نمونه متن ترجمه

چکیده

ما یک آزمون آماری را برای شناسایی رخدادهای معنی دار در سری‌های زمانی قیمت مالی ارائه می‌کنیم. بر عکس " جهش‌ها"، ما "رخدادها" را به صورت تغییرات غیرآنی ولی سریع و بزرگ در قیمت تعریف می‌کنیم. ما نشان می‌دهیم که آزمون‌های غیر پارامتریک، عملکرد نامطلوب و بدی در تشخیص رخدادهای تعریف شده دارند. ما یک رویکرد جدید را برای کشف وابستگی آماره‌های تشخیص جهش برروی روش نمونه گیری مورد استفاده پیشنهاد کرده و به این نتیجه رسیدیم که روش ما موجب بهبود سرعت تشخیص رخداد آزمون استاندارد تا سه برابر می‌شود.