پیش بینی نرخ ارز در بازار سرمایه با استفاده از مدل های میانگین متحرک خود رگرسیون انباشته و شبکه عصبی )مطالعه موردی: دلار استرالیا، دلار کانادا، ین ژاپن و پوند انگلستان(

Authors

رضا احتشام راثی استادیار، دانشگاه آزاد اسلامی، واحد قزوین، گروه مدیریت، قزوین، ایران.

محمد احسانی فر استادیار، دانشگاه آزاد اسلامی، واحد اراک، گروه مهندسی صنایع، اراک، ایران.

Abstract:

سیاست گذاران پولی به منظور جلوگیری از زیان های ناشی از تغییرات از هم گسیخته نرخ ارز، همواره درصددیافتن روشی مناسب برای پیش بینی نرخ ارز بوده اند. لیکن ویژگیهای چند بعدی نرخ ارز باعث رفتار پیچیده وغیرخطی آن شده است. یکی از روش های سنتی پی بینی، تجزیه و تحلیل سری زمانی است که بر دو فرض ایستاییو خطی بودن بنیان نهاده شده است. در مورد عملکرد این مدل های سنتی بعضاٌ تردیدهای ایجاد شده است. یکی ازروش های جایگزین، شبکه های عصبی مصنوعی است که در برخی از موارد توانایی بالقوه خوبی برای پیش بینیسریهای زمانی از خود نشان دادهاند. در این مقاله، پس از مرور پژوهش های انجام شده در مورد توانایی پیش بینیمدل های خود توضیح جمعی میانگین متحرک 1 و شبکه های عصبی مصنوعی 2 ، به مقایسهی این دو روش برای پیشبینی نرخ روزانه ارز در 2112 پرداخته شده است. نتایج /1/ 1991 لغایت 1 /1/ دوره ی از سال 1 تحقیق نشان دادهاست که روش شبکه های عصبی تخمینهای بهتری نسبت به روش میانگین متحرک خود رگرسیون انباشته ارائهمیکند . در این پژوهش، از ابزارهای محاسباتی نرم افزار STATGRAPHICSو MATLABو دادههای اقتصادیکشورهای استرالیا، کانادا، ژاپن و انگلستان و نرخ ارز 3 آن کشورها نسبت به دلار آمریکا استفاده شده است.

Upgrade to premium to download articles

Already have an account?login

similar resources

پیش بینی روزانه نرخ جفت ارز پوند/دلار در بازار فارکس با استفاده از شبکه عصبی

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

بکارگیری مدل های ترکیبی میانگین متحرک خودرگرسیون انباشته فازی احتمالی به منظور پیش بینی نرخ ارز

full text

یک مقایسه بین مدل های اقتصادسنجی ساختاری , سری زمانی و شبکه عصبی برای بیش بینی نرخ ارز

در این مقاله استفاده از مدل های شبکه عصبی مصنوعی (ANN) و برخی الگوهای متداول در زمینه پیش بینی نرخ ارز، مورد آزمون و تحلیل قرار گرفته بدین صورت که، عملکرد پنج الگوی رگرسیون خطی در مقایسه با شبکه های عصبی مصنوعی، برای پیش بینی نرخ ارز اسمی (ریال ایران به دلار ایالات متحده آمریکا) مورد بررسی قرار می گیرد. الگوهای رگرسیون خطی عبارتند از روش باکس- جنکینز (الگوی میانگین متحرک انباشته خود همبسته)، فر...

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

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

دانش مالی تحلیل اوراق بهادار

volume 8 issue 27

pages 35- 51

publication date 2015-10-02

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

نرخ ارز بازار سرمایه پیش بینی شبکه های عصبی مصنوعی خود رگرسیون میانگین متحرک انباشته

Hosted on Doprax cloud platform doprax.com