به کارگیری منطق فازی برای بهبود عملکرد شبکه های عصبی مصنوعی به منظور پیش بینی نرخ ارز

Authors

مهدی خاشعی

دانشکده ی مهندسی صنایع و سیستم ها، دانشگاه صنعتی اصفهان مهدی بیجاری

دانشکده ی مهندسی صنایع و سیستم ها، دانشگاه صنعتی اصفهان فریماه مخاطب رفیعی

دانشکده ی مهندسی صنایع و سیستم ها، دانشگاه صنعتی اصفهان

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

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 text

پیش 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 text

بررسی 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 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 text

مقایسه 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 text

My Resources

Save resource for easier access later


Journal title:
مهندسی صنایع و مدیریت

جلد ۲۰۱۴، شماره ۲، صفحات ۶۳-۷۱

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023