دانلود مقاله ISI انگلیسی شماره 104042
ترجمه فارسی عنوان مقاله

مقایسه شبکه های موجک و برنامه نویسی ژنتیکی در زمینه مشتقات دما

عنوان انگلیسی
A comparison of wavelet networks and genetic programming in the context of temperature derivatives
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
104042 2017 27 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 17397 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 25 روز بعد از پرداخت 208,764 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 13 روز بعد از پرداخت 417,528 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : International Journal of Forecasting, Volume 33, Issue 1, January–March 2017, Pages 21-47

ترجمه کلمات کلیدی
مشتقات آب و هوا، شبکه های موجک مشتقات دما، برنامه نویسی ژنتیک، مدل سازی، پیش بینی،
کلمات کلیدی انگلیسی
Weather derivatives; Wavelet networks; Temperature derivatives; Genetic programming; Modelling; Forecasting;
ترجمه چکیده
هدف از این مطالعه، توسعه یک مدل است که دینامیک دما متوسط ​​روزانه را با دقت در متن قیمت گذاری مشتقات آب مطرح می کند. دقیق تر، ما دو الگوریتم یادگیری ماشین الگوریتم، یعنی شبکه های موجک و برنامه نویسی ژنتیکی را مقایسه می کنیم، با روش های خطی کلاسیک که به طور گسترده در قیمت گذاری مشتقات دما در بازار مالی مالی، و همچنین با انواع مختلف مدل های مدل یادگیری ماشین مانند شبکه های عصبی، توابع اساسی شعاعی و رگرسیون بردار پشتیبانی. دقت روند ارزیابی بستگی به دقت پیش بینی های دما دارد. مدل های پیشنهادی ما در هر دو نمونه نمونه و خارج از نمونه در مکان های مختلفی مورد استفاده قرار می گیرند که در آن مشتقات آب و هوا مورد ارزیابی قرار می گیرند و مقایسه می شوند. علاوه بر این، تجزیه و تحلیل ما با بررسی ثبات مدل های پیش بینی نسبت به افق پیش بینی. یافته های ما نشان می دهد که روش های غیر خطی پیشنهاد شده به طور قابل توجهی بهتر از مدل خطی جایگزین هستند و شبکه های موجک رتبه بندی اول را دارند و می توانند برای قیمت گذاری مشتقات دقیق آب و هوایی در بازار آب و هوا استفاده شوند.
ترجمه دقیق تری نیاز دارید؟ سفارش دهید
پیش نمایش مقاله
پیش نمایش مقاله مقایسه شبکه های موجک و برنامه نویسی ژنتیکی در زمینه مشتقات دما

چکیده انگلیسی

The purpose of this study is to develop a model that describes the dynamics of the daily average temperature accurately in the context of weather derivatives pricing. More precisely, we compare two state-of-the-art machine learning algorithms, namely wavelet networks and genetic programming, with the classic linear approaches that are used widely in the pricing of temperature derivatives in the financial weather market, as well as with various machine learning benchmark models such as neural networks, radial basis functions and support vector regression. The accuracy of the valuation process depends on the accuracy of the temperature forecasts. Our proposed models are evaluated and compared, both in-sample and out-of-sample, in various locations where weather derivatives are traded. Furthermore, we expand our analysis by examining the stability of the forecasting models relative to the forecasting horizon. Our findings suggest that the proposed nonlinear methods outperform the alternative linear models significantly, with wavelet networks ranking first, and that they can be used for accurate weather derivative pricing in the weather market.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 17397 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 25 روز بعد از پرداخت 208,764 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 13 روز بعد از پرداخت 417,528 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.