College of Science / Department of Mathematics

Remal Shaher Al-Gounmeein


Teacher
Remal Shaher Al-Gounmeein

Curriculum Vitae
  • Major: Statistics
  • College: College of Science
  • Department(s): Mathematics Department
  • E-mail: ralgounmeein@yahoo.com
  • Phone No.: 032179000Ext.6303

Nationality: Jordanian
Marital status: Single
Permanent Address: Aqaba / Ma'an- Jordan


Department of Mathematics
Al Hussein Bin Talal University Ma'an- Jordan
ralgounmeein@yahoo.com


 Research Interests: Statistics, Time series, Modeling, Forecasting and R software

Statistics
 Time series
 Modeling
 Forecasting 
R software

Modelling and forecasting monthly Brent crude oil prices: a long memory and volatility approach
  • Research Summary
    • The Standard Generalised Autoregressive Conditionally Heteroskedastic (sGARCH) model and the Functional Generalised Autoregressive Conditionally Heteroskedastic (fGARCH) model were applied to study the volatility of the Autoregressive Fractionally Integrated Moving Average (ARFIMA) model, which is the primary objective of this study. The other goal of this paper is to expand on the researchers' previous work by examining long memory and volatilities simultaneously, by using the ARFIMA-sGARCH hybrid model and comparing it against the ARFIMA-fGARCH hybrid model. Consequently, the hybrid models were configured with the monthly Brent crude oil price series for the period from January 1979 to July 2019. These datasets were considered as the global economy is currently facing significant challenges resulting from noticeable volatilities, especially in terms of the Brent crude prices, due to the outbreak of COVID-19. To achieve these goals, an R/S analysis was performed and the aggregated variance and the Higuchi methods were applied to test for the presence of long memory in the dataset. Furthermore, four breaks have been detected: in 1986, 1999, 2005, and 2013 using the Bayes information criterion. In the further section of the paper, the Hurst Exponent and Geweke-Porter-Hudak (GPH) methods were used to estimate the values of fractional differences. Thus, some ARFIMA models were identified using AIC (Akaike Information Criterion), BIC (Schwartz Bayesian Information Criterion), AICc (corrected AIC), and the RMSE (Root Mean Squared Error). In result, the following conclusions were reached: the ARFIMA(2,0.3589648,2)-sGARCH(1,1) model and the ARFIMA(2,0.3589648,2)-fGARCH(1,1) model under normal distribution proved to be the best models, demonstrating the smallest values for these criteria. The calculations conducted herein show that the two models are of the same accuracy level in terms of the RMSE value, which equals 0.08808882, and it is this result that distinguishes our study. In conclusion, these models can be used to predict oil prices more accurately than others.
  • Research link
  • key words
    ARFIMA, volatility, fGARCH, sGARCH, modelling and forecasting, hybrid model
ON THE CHROMATIC POLYNOMIAL OF A CYCLE GRAPH
  • Research Summary
    • The aim of this article is to study the chromatic polynomial of cycle graph, and to describe some algebraic properties about the chromatic polynomial’s coefficients and roots to the same graph.
  • Research link
  • key words
    cycle graph, chromatic polynomial
Comparing the performances of symmetric and asymmetric generalized autoregressive conditionally heteroscedasticity models based on long-memory models under different distributions
  • Research Summary
    • This research compares the symmetric and asymmetric effects of generalized autoregressive conditional heteroscedasticity (GARCH)-type models to investigate the volatility of the autoregressive fractionally integrated moving average (ARFIMA) model using the monthly Brent crude oil price series for the period of January 1979–July 2019. The best model of volatility is determined by comparing 13 hybrid models of GARCH (sGARCH, fGARCH, EGARCH, TGARCH, IGARCH, AVGARCH, NGARCH, NAGARCH, APARCH, apARCH, GJRGARCH, gjrGARCH, and csGARCH) in terms of symmetric and asymmetric effects at the level of (1,1). R/S analysis is used to achieve this target. The aggregated variance method, the Higuchi method, and the structural break test are performed to determine the presence of long memory in the dataset. Furthermore, the Hurst exponent method and the Geweke and Porter–Hudak method are used to estimate the fractional difference values. The ARFIMA(2,0.3589648,2)–IGARCH(1,1) model under normal distribution is selected as the best model based on the Akaike information criterion, Schwartz Bayesian information criterion, and by the smallest value for root-mean-squared error, in which this model can be used to predict more accurately than other models
  • Research link
  • key words
    Asymmetric effect; Autoregressive fractionally integrated moving average; Generalized autoregressive conditionally heteroscedasticity; Hybrid model; Modeling and forecasting; Symmetric effect
Comparing the Performances of Artificial Neural Networks Models Based on Autoregressive Fractionally Integrated Moving Average Models
  • Research Summary
    • The autoregressive fractional integrated moving average (ARFIMA) has become one of the popular linear models in time series modeling and forecasting in the past decades. Recent research in modeling and forecasting with artificial neural networks (ANN) suggests that these networks are a promising alternative to the traditional linear and nonlinear methods. ARFIMA models and ANNs are often compared with mixed conclusions in terms of superiority in forecasting performance. In this research, a hybrid methodology that combines both ARFIMA and multilayer perceptron (MLP) models is proposed to take advantage of the unique strength of the ARFIMA and MLP models in linear and nonlinear modeling, which is the primary objective of this study. This research uses the monthly Brent crude oil price series for the period of January 1979-July 2019. As for our other goal, the researchers’ previous works are also extended by examining the linear and nonlinear methods for the dataset simultaneously and comparing individual models with the hybrid models. The best model is determined by comparing 19 individual and hybrid models in terms of forecasting accuracy based on the root mean squared error and Ljung–Box test. Empirical results with real datasets indicate that the ARFIMA (1,0.3589648,0)–MLP (1,2,1) hybrid model outperforms the separately used models and the other hybrid models, and the Akaike information criterion value is not the smallest for this model.
  • Research link
  • key words
    Autoregressive Fractionally Integrated Moving Average, Multilayer perceptron, Modeling and Forecasting, Hybrid Model.
Forecasting the Exchange Rate of the Jordanian Dinar versus the US Dollar Using a Box-Jenkins Seasonal ARIMA Model
  • Research Summary
    • Seasonal Autoregressive Integrated Moving Average (SARIMA) model was fitted for the time series data either to better understand the data or to predict the future points in the series (forecasting). Using the forecasting for the exchange rate is very important at the national, regional and international levels. It can help investors minimize financial risk as well maximize earnings in the volatility of the global economy. The aim of this study was to use the time series model to forecast the exchange rate of Jordan dinar based on the monthly data collected for Jordanian dinar vs US dollar. Exchange rate prediction is performed using two methods; Autoregressive Integrated Moving Average (ARIMA) and Seasonal Autoregressive Integrated Moving Average (SARIMA) time series. After comparing the forecasting method using ARIMA (1, 0, 1) and SARIMA (1, 0, 1)(1, 0, 0)12 models, we find that the second model shows a smaller mean absolute percentage error (MAPE), root mean square error (RMSE), mean absolute error (MAE) and mean absolute square error (MASE) as compared to the first; That is, SARIMA (1, 0, 1)(1, 0, 0)12 model is the most appropriate method to forecast the exchange rate of the Jordanian dinar vs US dollar.
  • Research link
  • key words
    ARIMA, SARIMA, Jordanian Dinar, Modeling, R software, Time series, Forecasting.
Overview of Long Memory for Economic and Financial Time Series Dataset and Related Time Series Models: A Review Study.
  • Research Summary
    • Verifying the existence of long-memory feature is a crucial activity performed during the development process of the autoregressive integrated moving average (ARIMA) model. The verifying step will determine whether a researcher needs to use the ARIMA model or the autoregressive fractionally integrated moving average (ARFIMA) model, which depends on the estimated value of the fractional difference (d). This study focuses on analytical techniques for verifying the long-memory feature (graphs and statistical tests); determines estimation methods/functions for approximating long-memory parameters (ie, d), limitations, extensions, comparisons, applications, and performs an in-depth review of the recent literature on the ARFIMA model. The discussion will also include the hybrid method for forecasting in different fields. Although the validation of the existence of the long-memory feature and its estimation, limitations, extensions, comparisons, and applications has been extensively investigated, specific criteria should be considered to avoid obtaining invalid or wrong ARFIMA models remain unclear. We examine the literature to validate these issues and identify effective methods and tests to avoid these errors. Thus, the results of this study can provide an initial classification of the literature on long memory and the ARFIMA model that can be used as a basis for future work when the value of d is a non-integer number.
  • Research link
  • key words
    —Long memory, Autoregressive fractionally integrated moving average, Individual and Hybrid models, Modeling and forecasting, Time series.

1. المؤتمر الدولي لضبط الجودة  ( International Conference on Quality Assurance Practices in Higher Education Institutions) خلال الفترة 11-12/12/2011 في جامعة الحسين بن طلال وبالتعاون مع مشروع SERMANTEQ / TEMPUS.


الدورات التدريبية :

- دورة إعداد الموظفين الجدد / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة مهارات الاتصال والتعامل مع الجمهور / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة الإنشاء وإعداد المراسلات وأعمال الديوان / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.

 - دورة تقديم الخدمة المتميزة / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة فرق العمل / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة مهارات التعامل مع الرؤساء والمرؤوسين / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة تنمية الإبداع الوظيفي/ جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة فن إدارة الذات / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة كتابة التقارير الفنية والإدارية / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة التشريعات الإدارية / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة تبسيط الإجراءات / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة نظم معلومات إدارية تطبيقية من الجامعة / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة إدارة الجودة / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- دورة مراسلات إليكترونية / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004.
- رخصة قيادة الحاسوب الدولية (ICDL) / جامعة الحسين بن طلال / معان / 4-7-2004 ولغاية 6-9-2004. 

- دورة الإعداد لامتحان التوفل / جامعة الحسين بن طلال / معان / 29-7-2007 ولغاية 20-9-2007.
- دورة فوتوشوب / جامعة الحسين بن طلال / معان / 12-7-2011 ولغاية 9-8-2011.

- دورة بوربوينت / جامعة الحسين بن طلال / معان / 12-7-2011 ولغاية 9-8-2011.

- دورة شبكات / جامعة الحسين بن طلال / معان / 12-7-2011 ولغاية 9-8-2011.

- دورة الحزم الإحصائية  SPSS/ جامعة الحسين بن طلال.

- دورة إعداد المدرسين الجدد / جامعة الحسين بن طلال.

- دورة الأسس الصحيحة في العملية التدريسية / جامعة الحسين بن طلال / معان /  8 - 2 - 2017 ولغاية 14 - 2 - 2017.

- دورة إدارة وتنظيم المراجع - End Note / جامعة الحسين بن طلا ل / معان / 30 - 7 - 2017 ولغاية 1 - 8 - 2017.

- Information Literacy-Basic  / جامعة العلوم الماليزية USM / ماليزيا / 7 - 9 - 2021 .

- Preparing yourself for a 15-20 min oral scientific presentation / جامعة العلوم الماليزية USM / ماليزيا / 8 - 9 - 2021 .

- Viva: Do's and Don'ts / جامعة العلوم الماليزية USM / ماليزيا / 8 - 9 - 2021 .

- Time Series Analysis / جامعة العلوم الماليزية USM / ماليزيا / 20 - 9 - 2021 ولغاية 21 - 9 - 2021 .

- GRACH-Volatility Models / جامعة العلوم الماليزية USM / ماليزيا / 23 - 9 - 2021 ولغاية 24 - 9 - 2021 .

- Google Scholar / جامعة العلوم الماليزية USM / ماليزيا / 28 - 9 - 2021 .

- Google Drive / جامعة العلوم الماليزية USM / ماليزيا / 30 - 9 - 2021 .

- Useful Online Tools for Postgraduate students / جامعة العلوم الماليزية USM / ماليزيا / 9 - 3 - 2022 .

- Pro-Innovation Mindsets / جامعة العلوم الماليزية USM / ماليزيا / 11 - 3 - 2022 .

- ABC of Scoping Review / جامعة العلوم الماليزية USM / ماليزيا / 9 - 3 - 2022 .

- Choosing the Right Journals / جامعة العلوم الماليزية USM / ماليزيا / 6 - 4 - 2022 .

- Reasons for early rejection of manuscript at editorial stage / جامعة العلوم ال ماليزية USM / ماليزيا / 13 - 4 - 2022 .

- Writing Critical Discussion: A Step-by-Step Guide / جامعة العلوم الماليزية USM / ماليزيا / 13 - 4 - 2022 .

- Understanding Copyright & Plagiarism / جامعة العلوم الماليزية USM / ماليزيا / 10 - 5 - 2022 .

- Visually Mapping your Research / جامعة العلوم الماليزية USM / ماليزيا / 12 - 5 - 2022. .- I’m your examiner: Writing a thesis from perspective of examiner / جامعة العلوم الماليزية USM / ماليزيا / 17 - 5 - 2022 .

- Preparing a scientific manuscript for publication consideration / جامعة العلوم الماليزية USM / ماليزيا / 25 - 5 - 2022 .

- Presentation WOW: Make it memorable! / جامعة العلوم الماليزية USM / ماليزيا / 28 - 6 - 2022 .

- Understanding issues and challenges in human research ethics application / جامعة العلوم الماليزية USM / ماليزيا / 29 - 6 - 2022 .

- Experimental research method in social sciences / جامعة العلوم الماليزية USM / ماليزيا / 12 - 7 - 2022 .

- Research Ethics for Postgraduate Students / جامعة العلوم الماليزية USM / ماليزيا / 20 - 7 - 2022 .

- Preparing and Writing Your Research Proposal / جامعة العلوم الماليزية USM / ماليزيا / 27 - 7 - 2022 .

- Getting your paper accepted for publication in Q1/Q2 journals / جامعة العلوم الماليزية USM / ماليزيا / 25 - 8 - 2022 .

- Understanding the editorial assessment process in scientific journals / جامعة العلوم الماليزية USM / ماليزيا / 23 - 11 - 2022 .

ورش العمل:

- استراتيجيات التفوق والتنمية الذاتية / جامعة الحسين بن طلا ل / معان / - 28 - 7 - 2009 ولغاية 29 - 7 - 2009.

- لجنة انتخابات اتحاد طلبة جامعة الحسين بن طلال / العام الجامعي - 2005 / 2006 .

 - لجنة انتخابات اتحاد طلبة جامعة الحسين بن طلال / العام الجامعي - 2007 / 2008 .

- لجنة انتخابات اتحاد طلبة جامعة الحسين بن طلال / العام الجامعي - 2010 / 2011 .

- لجنة تقييم أداء أعضاء هيئة التدريس / العام الجامعي - 2010 / 2011 / مركز تطوير أداء أعضاء هيئة التدريس / جامعة الحسين بن طلال .

- لجنة انتخابات اتحاد طلبة جامعة الحسين بن طلال / العام الجامعي - 2011 / 2012 .

- لجنة تحقيق متعلقة بمساكن طالبات جامعة الحسين بن طلال / العام الجامعي - 2016 / 2017 .

- لجنة تحقيق متعلقة بمساكن طالبات جامعة الحسين بن طلال / العام الجامعي - 2017 / 2018 .

- لجنة تحقيق متعلقة بمساكن طالبات جامعة الحسين بن طلال / العام الجامعي - 2019/2018 .

- لجنة تحقيق متعلقة بمخالفات طلبة كلية العلو م / جامعة الحسين بن طلال / العام الجامعي - 2022 / 2023.

- لجنة خدمة المجتمع / كلية العلوم / جامعة الحسين بن طلال / العام الجامعي - 2022 / 2023.

1 . حوافز إنتاج علمي لبحث منشور ضمن تصنيف Q2 / ق ا رر رقم ) 101 / 2021 ( / جامعة الحسين بن طلال / معان .
2 . حوافز إنتاج علمي لبحث منشور ضمن تصنيف Q2 / ق ا رر رقم ) 102 / 2021 ( / جامعة الحسين بن طلال / معان.
3 . كتاب شكر للجهود المبذولة خلال عملية إنتخابات مجلس إتحاد الطلبة / 2005 / جامعة الحسين بن طلال / معان .
4 . كتاب شكر للجهود المبذولة خلال عملية إنتخابات مجلس إتحاد الطلبة / 2011 / جامعة الحسين بن طلال / معان .
5 . كتاب شكر للجهود المبذولة في الإعداد لمؤتمر الجودة العالمي في رحاب جامعة الحسين بن طلال / 2012 / جامعة الحسين بن طلال / معان.

29/1/2012 - لغاية الآن: عضو هيئة تدريس/ قسم الرياضيات/ كلية العلوم/ جامعة الحسين بن طلال.

6/2/2011 - 28/1/2012: رئيسة شعبة التخطيط والإحصاء، دائرة التخطيط وإدارة الجودة / جامعة الحسين بن طلال.

24/1/2010 – 5/2/2011: رئيسة شعبة التخطيط والإحصاء بالوكالة، دائرة التخطيط وإدارة الجودة / جامعة الحسين بن طلال.

16/3/2005 – 23/1/2010: موظفة إدارية، دائرة التخطيط وإدارة الجودة / جامعة الحسين بن طلال.

26/9/2004 – 15/3/2005: مسجلة، وحدة القبول والتسجيل / جامعة الحسين بن طلال.

إحصاء.
إحصاء تطبيقي.

- تفاضل وتكامل (1).

- تفاضل وتكامل (2).

- تفاضل وتكامل (4).

- مبادئ في الإحصاء والاحتمالات.

-  طرق إحصائية.

- جبر خطي ( 1 ).

- رياضيات تطبيقية.

- احتمالات واحصاء.

- رياضيات إستدراكي.

Academic qualifications and certificates

 .Ph.D., Statistics / Time Series, 2022, Universiti Sains Malaysia
.M.S., Mathematics, 2009, Mutah University
.B.S., Mathematics, 2004, Al-Hussein Bin Talal University

office hours

Sunday, Tuesday, and Thursday: 10.3-11.3

© Copyrights 2023 developed by Alhussain bin talal University| Computer and Information Technology Center