پیش بینی قیمت فلزات گران بها با استفاده از مدل شبکه عصبی

پایان نامه
چکیده

فلزات گران بها از اولین و مهم ترین عناصر شناخته شده بوسیله انسان می باشد. علت این امر علاوه بر کاربردهای بسیار زیاد این مواد در بخش های مختلف زندگی انسان، به عنوان یک منبع بزرگ برای سرمایه گذاری می باشد. سرمایه گذاران در پی روش هایی هستند که بتوانند قیمت های آینده فلز مورد نظر را پیش بینی نموده تا با تنظیم زمان خرید و فروش بیشترین سود را کسب نمایند. روش های گوناگونی برای پیش بینی قیمت تا به حال ارائه شده است که می توان به سه بخش: 1) روش های سری زمانی کلاسیک، 2) روش های هوش مصنوعی و 3) روش های ترکیبی تقسیم بندی نمود. در این تحقیق سعی شده یک مدل پیش بینی به منظور مدل سازی قیمت چهار فلز گران بها طلا، نقره، پلاتین و پالادیوم برای دوره زمانی آوریل 1990 تا دسامبر 2009 با استفاده از داده های ماهیانه ارائه شود. بدین منظور از هر یک از بخش های بیان شده یک مدل به عنوان نماینده برای پیش بینی قیمت مورد استفاده قرار گرفت. در نهایت نیز مدل های بدست آمده با یکدیگر مقایسه شده تا مدل بهینه انتخاب گردد، در اینجا از دو ابزار ضریب تعیین (r2) و جذر مربع میانگین خطاها (rmse) به عنوان ابزار مقایسه استفاده شده است. نتایج این تحقیق نشان از این داشت که مدل نروفازی برای هر چهار فلز نتایج بهتری را نسبت به شبکه های عصبی و روش آریما ارائه می نمایند به طوری که r2 و rmse مربوط به داده های تست به ترتیب برابر با 904/0 و 155/0 برای طلا، 926/0 و 26/0 برای نقره، 922/0 و 192/0 برای پلاتین و در نهایت 899/0 و 171/0 برای پالادیوم می باشد. بعد از روش نروفازی، شبکه های عصبی در رتبه دوم دقت پیش بینی قرار گرفتند.

منابع مشابه

پیش بینی قیمت فلزات گران بها با استفاده از مدل شبکه عصبی

فلزات گران بها از اولین و مهم ترین عناصر شناخته شده بوسیله انسان می باشد. علت این امر علاوه بر کاربردهای بسیار زیاد این مواد در بخش های مختلف زندگی انسان، به عنوان یک منبع بزرگ برای سرمایه گذاری می باشد. سرمایه گذاران در پی روش هایی هستند که بتوانند قیمت های آینده فلز مورد نظر را پیش بینی نموده تا با تنظیم زمان خرید و فروش بیشترین سود را کسب نمایند. روش های گوناگونی برای پیش بینی قیمت تا به حال...

15 صفحه اول

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...

متن کامل

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...

متن کامل

پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

متن کامل

پیش بینی قیمت خرده‌فروشی و عمده‌فروشی ماهی قزل آلا با استفاده از شبکه عصبی مصنوعی و مدل ARMA

توجه به ثبات نسبی و پیش­بینی قیمت، می‌تواند نقش مهمی در کنترل ناپایداری قیمت‌ها و درنهایت کاهش ریسک بازار داشته باشد. در موضوع پیش­بینی، مهم‌ترین بخش مقایسه­ی روش‌های مختلف است. در این پژوهش با مقایسه­ی قدرت پیش­بینی دو روشARMA و شبکه­ی عصبی مصنوعی و با انتخاب روش بهتر، قیمت‌های هفتگی خرده‌فروشی و عمده‌فروشی ماهی قزل‌آلا  پیش­بینی می‌شود. در این مطالعه از شبکه­ی پیش‌خور که از نوع شبکه‌های پس ان...

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 تربیت مدرس - دانشکده فنی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023