مدلسازی پیشبینی قیمت ارز با استفاده از شبکههای عصبی

Authors

راحله یوسفی هیأت علمی آموزشکده فنی و حرفهای سما، دانشگاه آزاد اسلامی، واحد کرج، کرج

مهدی غفاری کارشناس ارشد مدیریت صنعتی دانشگاه آزاد قزوین

Abstract:

بیتردید امروزه بیشترین مقدار سرمایهگذاری از طریق بازار سرمایه در تمام جهان مبادله میشود.اقتصادهای ملی بهشدت متاثر از عملکرد بازار سرماهی است. به علاوه بازار سرمایه بهعنوان یک ابزار سرمایهگذاری در دسترس، هم برای سرمایهگذاران کلان و هم برای عموم مردم شده است. بازارها نه تنها از پارامترهای کلان، بلکه از هزاران عامل دیگر نیز متاثر میشوند. تعداد زیاد و ناشناخته بودن عوامل موثر در بازار بورس، اوراق بهادار موجب عدم اطمینان در زمینه سرمایهگذارای شده است. روشن است که خصوصیت عدم اطمینان، امر نامطلوبی است و از طرفی برای سرمایهگذارانی که بازار سهام را به عنوان مکان سرمایهگذاری انتخاب نمودهاند، این خصوصیت اجتنابناپذیر است. بنابراین بهطور طبیعی تمام تلاش سرمایهگذار، کاهش عدم اطمینان است و از این جهت پیشبینی در این بازار یکی از ابزارهای کاهش عدم اطمینان میباشد. یکی از کاربردهای پیشبینی نرخ ارز در صنعت کشور، استفاده در خرید مواد اولیه و تجهیزات مورد نیاز از خارج و فروش تولیدات به شکل نقدی است. با خرید یا فروش نقدی در زمان مناسب میتوان سود قابل ملاحظه ای را عاید شرکتها کرد. یکی از روشهای نوین مورد استفاده در زمینهی پیشبینی قیمت ارز، استفاده از شبکههای عصبی میباشد. در این پژوهش با استفاده از شبکههای عصبی چند لایهی پیشخور، اندیکاتوری جهت پیشبینی نرخ ارز با زبان MQL4 در نرم افزار متاتریدر تهیه شده است. نتایج نشان می‌دهد که مدل‌سازی پیش‌بینی قیمت ارز با استفاده از زبان مذکور مبتنی بر شبکه‌های عصبی تائید می‌گردد.

Upgrade to premium to download articles

Already have an account?login

similar resources

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

full text

بررسی و پیشبینی مدول یانگ در نانولولههای کربنی تک لایه با بهکارگیری شبکههای عصبی مصنوعی

full text

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

full text

پیش بینی عملکرد ذرت علوفهای با استفاده از شبکههای عصبی مصنوعی

full text

مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title