تختص مشکلة البحث فى محاولة حل مشکلة Heteroscedasticity أى عدم ثبات تباين أخطاء السلسلة الزمنية والتى تظهر عادة فى السلاسل الزمنية الإقتصادية خصوصاً المالية منها وذلک باستخدام أسلوب الشبکات العصبية الإصطناعية Artificial Neural Networks واستخدام النماذج المعممة للإنحدار الذاتى المشروط بعدم تجانس التباين GARCH لحل المشکلة موضوع البحث وذلک بالإعتماد على سلسلة بيانات يومية لمؤشرالبورصة المصرية الرئيسى EGX30 فى الفترة من 1/6/2014إلى 29/3/2017. و قد تم التخلص من المشکلة محل البحث باستخدام تلک الأساليب وتمت المقارنة بين نتائجهما وخلص البحث إلى أن أسلوب الشبکات العصبية هو الأفضل من حيث سهولة التحليل ودقة التنبؤ و القضاء على مشکلات الأخطاء . کما تم إستخدام الشبکات العصبية فى تحسين دقة التنبؤ لنموذج GARCH وقد تم إثبات هذا التحسن فى القيم المقدرة بإستخدام إختبارمربع کاى لجودة التوفيق والذى أثبت عدم وجود أية فروق ذات دلالة إحصائية وأيدت تحسين التنبؤ.
محمد على مصطفى, صفاء. (2017). تطبيق نماذج GARCH والشبکات العصبية الإصطناعية على تحليل تجانس أخطاء السلسلة الزمنية. مجلة البحوث المالية والتجارية, 18(العدد الأول - الجزء الثانی), 379-406. doi: 10.21608/jsst.2017.59299
MLA
صفاء محمد على مصطفى. "تطبيق نماذج GARCH والشبکات العصبية الإصطناعية على تحليل تجانس أخطاء السلسلة الزمنية". مجلة البحوث المالية والتجارية, 18, العدد الأول - الجزء الثانی, 2017, 379-406. doi: 10.21608/jsst.2017.59299
HARVARD
محمد على مصطفى, صفاء. (2017). 'تطبيق نماذج GARCH والشبکات العصبية الإصطناعية على تحليل تجانس أخطاء السلسلة الزمنية', مجلة البحوث المالية والتجارية, 18(العدد الأول - الجزء الثانی), pp. 379-406. doi: 10.21608/jsst.2017.59299
VANCOUVER
محمد على مصطفى, صفاء. تطبيق نماذج GARCH والشبکات العصبية الإصطناعية على تحليل تجانس أخطاء السلسلة الزمنية. مجلة البحوث المالية والتجارية, 2017; 18(العدد الأول - الجزء الثانی): 379-406. doi: 10.21608/jsst.2017.59299
)
مشاهدة على SCiNiTO