به کارگیری منطق فازی برای بهبود عملکرد شبکه های عصبی مصنوعی به منظور پیش بینی نرخ ارز
Authors
abstract
روش های هوش محاسباتی، همچون شبکه های عصبی مصنوعی و منطق فازی، به عنوان ابزاری محبوب به منظور پیش بینی بازارهای پیچیده ی مالی معرفی شده اند. دقت پیش بینی ها ازجمله مهم ترین مشخصه های مدل های پیش بینی است و تلاش برای بهبود بخشیدن کارایی مدل های سری های زمانی هرگز متوقف نشده است. امروزه علی رغم روش های متعدد پیش بینی سری های زمانی که در چند دهه ی اخیر پیشنهاد شده اند، هنوز پیش بینی نرخ های ارز، کار بسیار دشواری محسوب می شود. در این مطالعه، مدل ترکیبی جدیدی از شبکه های عصبی مصنوعی براساس مفاهیم پایه یی منطق و مجموعه های فازی، به منظور حصول نتایج دقیق تر در موقعیت هایی با دوره های کوتاه تری از زمان ارائه شده است. نتایج حاصله در پیش بینی نرخ ارز بیانگر کارآیی روش مذکور در پیش بینی نرخ ارز نسبت به مدل های تشکیل دهنده ی خود است.
similar resources
بهکارگیری منطق فازی برای بهبود عملکرد شبکههای عصبی مصنوعی بهمنظور پیشبینی نرخ ارز
روشهای هوش محاسباتی، همچون شبکههای عصبی مصنوعی و منطق فازی، بهعنوان ابزاری محبوب بهمنظور پیشبینی بازارهای پیچیدهی مالی معرفی شدهاند. دقت پیشبینیها ازجمله مهمترین مشخصههای مدلهای پیشبینی است و تلاش برای بهبود بخشیدن کارایی مدلهای سریهای زمانی هرگز متوقف نشده است. امروزه علیرغم روشهای متعدد پیشبینی سریهای زمانی که در چند دههی اخیر پیشنهاد شدهاند، هنوز پیشبینی نرخهای ارز، کا...
full textپیش بینی نرخ ارز یورو به دلار با تکنیک شبکه عصبی مصنوعی
پیش بینی نرخ ارز به عنوان یک متغیر اقتصادی مهم مورد علاقه فعالان اقتصادی است. یکی از رویکردهای متداول در پیش بینی، رویکرد تکنیکال است که از رفتار گذشته نرخ ارز برای پیش بینی استفاده می کند. البته با توجه به ساختار آشوب گونه و غیر خطی بازارهای مالی، نمی توان با یک روش مشخص و ساده که از ترکیب ابزارهای مختلف تکنیکال بدست می آید به پیش بینی بازار پرداخت و نیاز به روش های پیچیده تری می باشد. در دهه ...
full textبررسی جهش پولی نرخ ارز و پیش بینی آن با شبکه های عصبی مصنوعی در ایران
یکی از مباحث مهم در اقتصاد کلان، رابطه بین شوکهای پولی و نوسانات نرخ ارز در قالب تئوری جهش پولی نرخ ارز است. از آنجا که اقتصاد ایران طی سالهای بعد از انقلاب همواره در معرض گسترش پایه پولی قرار داشته است، لذا بررسی رابطه بین انبساطهای پولی و نوسانات نرخ ارز و متعاقباً نقش افزایش درجه شناورسازی نرخ ارز بر میزان افزایش این نوسان، موضوع و هدف اصلی مقاله حاضر را تشکیل میدهد. بر این اساس در بخش او...
full textبکارگیری مدل های ترکیبی میانگین متحرک خودرگرسیون انباشته فازی احتمالی به منظور پیش بینی نرخ ارز
full text
به کارگیری مدل میانگین متحرک خودرگرسیون انباشته فازی به منظور پیش بینی نرخ ارز
در دنیای امروز به کارگیری روشهای کمی پیش بینی در زمینه های مختلف مورد توجه گسترده قرار گرفته است. تغییرات سریع محیطهای ناشناخته در دنیای واقعی و به ویژه بازارهای مالی سبب ایجاد مشکلاتی برای پیش بینی کنندگان به منظور تأمین داده های مورد نیاز شده است. مدلهای میانگین متحرک خود رگرسیون انباشته (arima) دارای محدودیت تعداد داده های گذشته بوده و شبکه-های عصبی مصنوعی (anns) نیز به منظور حصول نتایج دقیق...
full textمقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...
full textMy Resources
Save resource for easier access later
Journal title:
مهندسی صنایع و مدیریتجلد ۲۰۱۴، شماره ۲، صفحات ۶۳-۷۱
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023