نام پژوهشگر: فاطمه بشارت نیا

پیش بینی قیمت طلا با استفاده از شبکه های عصبی
thesis وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده فنی 1390
  فاطمه بشارت نیا   محمدرضا امین ناصری

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.