پیش بینی نرخ ارز در ایران با استفاده از یک الگوی پیوندی ازالگوی خودرگرسیونی میانگین متحرک انباشته(arima) و شبکه عصبی مصنوعی (ann)
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران - دانشکده اقتصاد و علوم اداری
- author منصور حسین زاده
- adviser امیر منصور طهرانچیان اسمعیل ابونوری
- publication year 1391
abstract
مطالعات پیشین درخصوص افزایش دقت پیش بینی بین روند متغیرهای کلان اقتصادی، به طور معمول بر پایه الگو های سری-زمانی یا الگو های اقتصادسنجی، استوار بوده اند. با وجود این، این الگو ها با محدودیت خطی بودن مواجه هستند و با غیرخطی بودن طبیعت دنیای واقعی سازگار نیستند. الگوی خودرگرسیونی میانگین متحرک انباشته یکی از پرکاربردترین الگو های خطی در سه دهه گذشته بوده است. در مطالعات اخیر سعی شده است تا پیش بینی ها با استفاده از الگو های شبکه عصبی که با مسائل غیر خطی و پیچیده سروکار دارند، انجام شود. در مقایسه الگوهای arima وann اغلب نتایج مختلفی از نظر برتری یکی بر دیگری در عملکرد پیش بینی حاصل می شود. در این تحقیق الگوی پیوندی پیشنهاد می شود که دو الگوی arima و ann را ترکیب می کند تا از قدرت الگوهایarima وann در الگو سازی خطی و غیر خطی برای پیش-بینی نرخ ارز در ایران (به صورت ماهانه) و مقایسه آن با هر یک از الگوهای arima، ann به طور جداگانه استفاده کند.
similar resources
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 textمقایسه عملکرد شبکه های عصبی مصنوعی(ann)و مدل میانگین متحرک انباشته اتورگرسیو (arima) در مدلسازی و پیش بینی کوتاه مدت روند نرخ ارز در ایران
نرخ ارز و نوسانات آن به عنوان یکی از مهمترین مسائل بخش بازرگانی خارجی هر کشور از اهمیت ویژهای برخوردار است. عوامل زیادی همچون عوامل اقتصادی، سیاسی، و روانی بر نرخ ارز تاثیرگذار هستند و این عوامل خود باعث ایجاد شرایط نااطمینانی بیشتر میشوند. در این راستا تلاش سیاستگذاران در کاهش این نااطمینانی از طریق پیشبینی این متغیر باکمترین خطا بوده است. شبکههای عصبی مصنوعی از قابلیت بالایی در مدلسازی...
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 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 textاستفاده از رهیافت های شبکه عصبی و مدل های خودرگرسیونی در پیش بینی رشد اقتصادی ایران
یکی از مسائل مهم در اقتصاد پیش بینی رشد اقتصادی می باشد که با توجه به اینکه، پیش بینی صحیح رشد اقتصادی، آثار مهمی در سیاست گذاری و برنامه ریزی های اقتصادی دولت دارد و می تواند علاوه بر ایجاد زمینهی توسعه روش های جدید پیش بینی، سیاست گذاران را در تصمیم گیری آتی یاری رساند، لذا هدف این مقاله پیش بینی رشد اقتصادی ایران با استفاده از سه مدل شبکه عصبی، میانگین متحرک خودرگرسیون تجمعی، خودرگرسیون وار...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران - دانشکده اقتصاد و علوم اداری
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023