پیش بینی فارکس بوسیله شبکه عصبی مصنوعی با اضافه کردن قیمت طلا و نفت و شاخص futse100 به عنوان عامل های خارجی

پایان نامه
چکیده

کلید معامله در بازار تبادل ارز )فارکس( انتخاب ارز درست برای معامله در زمان درست بر مبنای پیش بینی دقیق نرخ های تبادل ارز آینده است. عوامل متعددی هستند که همواره بر روی تغییرات نرخ ارزها تاثیر می گذارند بنابراین برای یک تصمیم گیری مناسب جهت خرید و فروش ارز باید تمامی این عوامل را تا حد امکان در تصمیم گیری خود دخیل کرد. معامله گران بورس معمولاً بر اساس تجربه معامله می کنند و این عوامل را در تصمیم گیری خود دخالت می دهند اما با توجه به اینکه تصمیم گیری در بازار فارکس در لحظه صورت می گیرد پس احتمال خطا افزایش می یابد. انسان ها معمولاً در تصمیم گیری های خود احساس را دخیل می کنند، احساساتی مانند حرص و طمع، میل به کسب سود بیشتر و یک شبه ره صد ساله رفتن عوامل مخربی در تصمیم گیری معامله در بازار بورس هستند. معامله گران برای رفع این مشکل تصمیم به استفاده از روش های هوشمند برای پیش بینی بازار بورس گرفتند که از دخالت عوامل مخرب انسانی در تصمیم گیری های معاملات جلوگیری شود. در این پایان نامه سعی شده است علاوه بر تحلیل نمودارهای قیمت ارز بر حسب زمان با استفاده از حجم معاملات و ... و دو عامل مهم و موثر یعنی قیمت نفت و طلا، مجموع قیمت سهام یکصد شرکت بزرگ انگلیس را نیز در پیش بینی خود وارد کنیم. یکصد شرکت که حجم گسترده ای از معاملات را تحت سلطه خود دارند و بدون شک تأثیر بسزایی در تغییر نرخ تبادل ارز دارند. مدلی پیشنهادی برای پیش بینی بازار، شبکه عصبی مصنوعی می باشد. در پایان نیز نتایج بدست آمده مورد ارزیابی قرار می گیرند.

منابع مشابه

کاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص بازدهی نقدی و قیمت سهام

مدل سازی پیش بینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها، روش های گوناگونی دارد. تحقیق حاضر، چگونگی پیش بینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکه های عصبی مصنوعی مورد آزمون قرار داده است. برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه بهار آزادی، حجم معاملات کل بازار و قیمت دلار به عنوان متغیرهای...

متن کامل

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

متن کامل

مقایسه عملکرد مدلهای شبکه عصبی مصنوعی واتورگرسیون برداری در پیش بینی شاخص قیمت و بازده نقدی

هدف این مقاله تجزیه و تحلیل های اقتصادی، پیش بینی صحیح و دقیق متغیرهای اقتصادی است. در این زمینه، روشهای مختلفی برای پیش بینی در اقتصاد وجود دارد، که از جمله آنها میتوان به مدلهای رگرسیون ، معادلات همزمان و... اشاره کرد. مدلهای سری زمانی نیز از جمله مدلهای اقتصادی می باشند که در آن پیش بینی مقادیر سری، بیش از هر چیز به عهده خودشان گذاشته می شود اما استفاده از روش های غیر کلاسیک در شناسایی مدل و...

متن کامل

پیش بینی قیمت نفت با دو روش arima و شبکه های عصبی مصنوعی

توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (arima)[1]و شبکه­های عصبی مصنوعی(ann)[2] به مقایسه این دو روش برای پیش­بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته­ایم. ...

متن کامل

مقایسه قدرت پیش بینی روش شبکه عصبی مصنوعی با سایر روش های پیش‏بینی: مورد قیمت چغندرقند

این مطالعه با هدف پیش­بینی قیمت اسمی و واقعی چغندرقند و مقایسه روش شبکه عصبی مصنوعی با سایر روش­ها صورت گرفت. پس از بررسی ایستایی سری­ها، تصادفی بودن متغیرها با استفاده از دو آزمون ناپارامتریک والد- ولفویتز و پارامتریک دوربین- واتسون بررسی شد. براساس نتایج این آزمون­ها سری قیمت اسمی چغندرقند به‏عنوان سری غیرتصادفی و قابل پیش­بینی و سری قیمت واقعی به‏عنوان سری تصادفی ارزیابی شد. دوره مطالعه نیز ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده ریاضی و کامپیوتر

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023