Browsing by Author "Badaoui, M."
Now showing 1 - 3 of 3
Results Per Page
Sort Options
Item On the computational estimation of high order GARCH model(Видавництво Львівської політехніки, 2021-03-01) Сеттар, А.; Фатмі, Н. І.; Бадауї, М.; Settar, A.; Fatmi, N. I.; Badaoui, M.; Університет Султана Мулая Слімана; Університет Мохаммеда Першого; Sultan Moulay Slimane University; Mohammed First UniversityЩоб гарантувати невід’ємність умовної дисперсії процесу GARCH, достатньо припустити невід’ємність її параметрів. Ця умова була емпірично порушена, що зробило модель GARCH більш обмеженою. Після цього ця умова була послаблена для деяких виборів необхідних та достатніх обмежень. У цій роботі узагальнено підхід для оцінки QML параметрів GARCH(p, q) для всіх порядків p > 1 та q > 1, використовуючи обмежений фільтр Калмана. Такий підхід дозволяє послаблену оцінку QML для GARCH без необхідності виявляти та/або застосовувати послаблені обмеження на параметри. Ефективність запропонованого методу демонструється за допомогою моделювання Монте–Карло та емпіричних застосувань до реальних даних.Item Quasi-maximum likelihood estimation of the Component-GARCH model using the stochastic approximation algorithm with application to the S&P 500(Видавництво Львівської політехніки, 2021-03-01) Сеттар, А.; Фатмі, Н. І.; Бадауї, М; Settar, A.; Fatmi, N. I.; Badaoui, M.; Університет Султана Мулея Слімана; Перший університет Мохаммеда; Sultan Moulay Slimane University; Mohammed First UniversityКомпонент GARCH (CGARCH) підходить для кращого відображення короткострокової та довгострокової динаміки волатильності. Тим не менше, простір параметрів, що складається з обмежень невід’ємності умовної дисперсії, нерухомості та існування моментів, є лише попередньо визначеним через представлення GARCH CGARCH. Це пов’язано з відсутністю загального методу визначення апріорі слабких обмежень невід’ємності умовної дисперсії CGARCH(N) для будь-якого N > 1. У цій роботі простір параметрів CGARCH, побудований із просторів параметрів компонента GARCH(1,1), апріорі надається для ідентифікації його форми GARCH. Такий простір виконує слабкі обмеження невід’ємності умовної дисперсії CGARCH, що попередньо оцінюється, забезпечуючи існування оцінки QML у значенні алгоритму стохастичного наближення. Представлено імітаційний експеримент, а також емпіричне застосування до індексу S&P500, і обидва вони показують ефективність запропонованого методу.Item Use of Data Mining in the prediction of risk factors of Type 2 diabetes mellitus in Gulf countries(Видавництво Львівської політехніки, 2021-03-01) Бутаеб, В.; Бадауї, М.; Аль Алі, Х.; Бутаеб, А.; Ламлілі, М.; Boutayeb, W.; Badaoui, M.; Al Ali, H.; Boutayeb, A.; Lamlili, M.; Університет Мохаммеда Першого; Еміратський авіаційний університет; University Mohammed First; Emirates Aviation UniversityПоширеність діабету в країнах Перської затоки значно зростає через різні фактори ризику, такі як: ожиріння, нездорове харчування, фізична бездіяльність та куріння. Метою цього дослідження є використання засобів добування даних та інтелектуального аналізу даних для визначення різних факторів ризику розвитку цукрового діабету другого типу (ЦД2) у країнах Перської затоки на основі бази даних Gulf COAST.