پیش بینی قیمت طلا با استفاده از شبکه های عصبی

thesis
abstract

بازار طلا، یکی از بازارهای پرتلاطم است، که پیش بینی آینده آن می تواند در تصمیم گیری ها تاثیر مثبتی بر جای بگذارد. با آگاهی از قیمت طلا و پیش بینی صحیح آن می توان فرآیند تصمیم گیری خرید و فروش طلا در بازارهای جهانی را تسهیل و بهترین زمان اجرای معاملات و سرمایه گذاری ها را تعیین نمود. لذا پیش بینی صحیح قیمت طلا از جهات مختلف حائز اهمیت است. از این رو در این تحقیق به پیش بینی قیمت طلا جهانی پرداخته شده است و عوامل تاثیرگذاری شامل: قیمت نفت، تولید ناخالصی ملی، نرخ بهره، نرخ تورم، تولید جهانی فلز طلا و قیمت نقره را به عنوان متغیرهای ورودی در نظرگرفته شده، همچنین از شبکه عصبی پیشخور چندلایه استفاده شده که در نهایت یک شبکه پیشخور دو لایه (n6-30-1) با ریشه میانگین مربعات خطای127/0به عنوان بهترین مدل پیش بینی قیمت طلا انتخاب گردیده است و نسبت به مقالات قبلی 8/1 درصد بهبود در قدرت پیش بینی شبکه حاصل شده است. یافته های این مدل با سری زمانی از نوع arima و رگرسیون مقایسه گردید که بعد از شبکه عصبی، arima در رتبه دوم دقت پیش بینی قرار گرفت.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

پیش بینی قیمت طلا با استفاده از رویکرد شبکه عصبی

چکیده ندارد.

15 صفحه اول

پیش بینی قیمت سکه طلا در بورس کالای ایران با رویکرد شبکه عصبی GMDH

اقتصاد هر کشور از بخش­های مختلفی تشکیل شده که روابط بین این بخش­ها، سمت  و سوی اقتصاد آن کشور را مشخص می­کند. در این بین بازار سرمایه در کنار بازار پول، به عنوان اجزائ تشکیل­دهنده  بازارهای  مالی بوده و در واقع شریان­های اصلی یک اقتصاد محسوب می­گردند، که مسائلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد می­باشد و چنانچه رابطه منطقی بین بازار مالی با سایر بخشهای اقتصادی وجود نداشته ب...

full text

پیش بینی دامنه تغییرات طلا با استفاده از مدل ترکیبی ARIMA و شبکه عصبی

مدل خودرگرسیو میانگین متحرک انباشته (ARIMA) که تحت عنوان روش باکس و جنکینزشناخته می‌شود، یکی از پرکاربردترین مدل‌ها در پیش‌بینی سری‌های زمانی است. اما پیش­ فرض اصلی این مدل خطی بودن سری­های زمانی می­باشد. از سوی دیگر شبکه­ی عصبی یک تخمین زننده­ی عمومی است که الگو­های غیر خطی را بسیار خوب مدل­سازی می­نماید. دانستن الگوی داده­ها مبنی بر خطی و غیر خطی بودن در واقعیت کمی دشوار است، بنابراین این اید...

full text

ترکیب شبکه های عصبی برای پیش بینی قیمت سهام

در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی (ANN) برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگوهای پایه (Base Predictor) مسئول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انج...

full text

پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...

full text

پیش بینی سطح عمومی قیمت ها و تورم در ایران با استفاده از شبکه عصبی

(صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست)  هدف این مقاله پیش بینی روند تورم و شاخص قیمت ها در اقتصاد ایران است. داده‌های این مقاله شامل تورم سالانه و داده‌های ماهانه شاخص قیمت مصرف‌کننده در ایران از سال 1340 تا 1392 می باشد. در این تحقیق برای پیش بینی تورم از شبکه عصبی مصنوعی استفاده شده است. برای پیش‌بینی تورم ماهانه از یک شبکه پس‌انتشار خطا(BP) با 15 نر...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده فنی

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023