پیش بینی تغییرات فصلی نرخ ارز با استفاده از روش درخت تصمیم و ماشین بردار پشتیبان
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علم و فرهنگ - دانشکده صنایع
- نویسنده احمد بزرگیان
- استاد راهنما فریدون رهنمای رودپشتی عباس طلوعی اشلقی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
هدف این مطالعه بررسی قدرت پیش بینی از طریق مدلهای یادگیری ماشین ،ماشین بردار پشتیبان svm و درخت تصمیم chaid در بازار ارز غیر رسمی دلار- ریال ایران می باشد .در این راستا پس از مطالعه ادبیات موضوع به انجام آزمون های ریشه واحد و همچنین ضریب همبستگی پیرسون مبادرت گردید .با استفاده از ضریب همبستگی پیرسون صحت گزینش متغیرهای ورودی مشخص گردید .در گام بعدی با ورود متغیرهای تأثیر گذار به مدل به ساخت مدل های مختلف اقدام گردید .و در نهایت با استفاده از معیار دقت(accuracy) ، میانگین مربعات خطا(mse) و مجذور میانگین مربعات خطا (rmse) مدل بهینه از سایر مدل ها گزینش گردید .و مشخص گردید که درخت تصمیم chaid نسبت به مدل ماشین بردار پشتیبان از عملکرد بهتری دارا می باشد .
منابع مشابه
پیش بینی گرایش احساسی سرمایه گذاران با استفاده ازتکنیکهای ماشین بردار پشتیبان(SVM) و درخت تصمیم(DT)
گرایشهای احساسی سرمایهگذاران بیانگر حاشیه میزان خوشبینی و بدبینی سهامداران نسبت به یک سهم می‌باشد. احساسات سرمایهگذاران تحت تاثیر پدیدههای روانشناختی، به رفتار افراد جهت میبخشند و در بسیاری از مواقع، موجب انحراف افراد از رفتار عقلایی میشوند. هدف از انجام این پژوهش، بکارگیری روشهای فراابتکاری جهت پیشبینی گرایشهای احساسی سرمایهگذاران است. در این پژوهش با استفاده از 97 نسبت مالی مربوط ...
متن کاملپیش بینی فصلی خشکسالی هواشناسی با استفاده از ماشین های بردار پشتیبان
در تحقیقات مختلف، پارامترهای هواشناسی متفاوتی در پیش بینی دوره های کم بارش مورد توجه قرار گرفته اند. در این تحقیق نمایه بارش استاندارد شده (spi) برای 6 سناریوی فصل (پاییز، زمستان، بهار، پاییز+ زمستان، زمستان+ بهار و پاییز تا بهار) محاسبه شده و متغیرهای هواشناسی پیش بینی کننده دمای هوا (در سطح 300، 500، 700 و 850 میلی بار) و ارتفاع ژئوپتانسیل (در سطح 300، 500، 700 و 850 میلی بار) در محدوده طول و...
متن کاملپیش بینی ژن های بیماری با استفاده از دسته بند تک‌کلاسی ماشین بردار پشتیبان
Abstract: In disease gene identification and classification, users are only interested in classifying one specific class, disease genes, without considering other classes (non-disease genes). This situation is referred to as one-class classification. Existing machine learning-based methods typically use known disease gene as positive training set and unknown genes as negative training set to bu...
متن کاملتوانایی ماشین بردار پشتیبان در پیش بینی درماندگی مالی
درماندگی مالی پیش از ورشکستگی مالی رخ می‌دهد و پیش بینی موثر آن یک مسئله‌ی مهم و چالش برانگیز برای شرکت‌ها می‌باشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد می‌پردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آن‌ها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی م...
متن کاملپیش بینی مدیریت سود با استفاده از درخت تصمیم گیری
با تشکیل و گسترش موسساتی که مالکیت عام یافته اند ضرورت تفکیک مالکیت از مدیریت هر چه بیشتر مشخص گردید. در نتیجه قشر جدیدی به عنوان مباشران ، اداره اینگونه موسسات را بر عهده گرفته و عملا مدیریت از مالکیت تفکیک شد. مدیران وظیفه مباشرت و حسابدهی در قبال منابع در اختیار خود و تهیه و ارائه گزارشهای مالی را بر عهده دارند. تضاد منافع میان مدیران و مالکان ، احتمال خطر ارائه اطلاعات غیر قابل اتکا را اف...
متن کاملپیش بینی تبخیر- تعرق پتانسیل ماهانه با استفاده از مدلهای ماشین بردار پشتیبان، برنامهریزی ژنتیک و سیستم استنتاج عصبی – فازی
چکیده علیرغم اهمیت تبخیر-تعرق در برنامهریزی و مدیریت منابع آبی، وابستگی آن به مولفههای اقلیمی از یکسو و تاثیرپذیری این مولفهها از یکدیگر از سویی دیگر تخمین تبخیر-تعرق را دشوار ساخته است. به همین منظور، در این پژوهش، به بررسی امکان پیشبینی این مولفهی مهم در استان سیستان و بلوچستان با استفاده از مدلهای فراابتکاری از قبیل سیستم استنتاج عصبی – فازی، برن...
متن کاملمنابع 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 علم و فرهنگ - دانشکده صنایع
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023