ارائه مدلی برای پیش بینی تبدیل نرخ یورو به دلار بر اساس روش های یادگیری ترکیبی و خواص آماری داده ها
Publish place: Fourth International Conference on Financial Management, Commerce, Banking, Economics and Accounting
Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 387
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MFTCONF04_012
تاریخ نمایه سازی: 11 آذر 1399
Abstract:
امروزه در بازار سرمایه نرخ پول های رایج دنیا به شدت مورد توجه قرار گرفته است. از این رو در این پروژه نرخ تبدیل یورو به دلار بنا بر قدرت و اهمیت آن برای پیش بینی در نظر گرفته شده است. پیش بینی مناسب در این بازار جهت تعیین نرخ ارز باعث ایجاد منافع زیادی می شود. یکی از کاربردهای پیش بینی نرخ ارز در صنعت کشور، واردات مواد اولیه و تجهیزات مورد نیاز از خارج و صادرات تولیدات است. با خرید یا فروش در زمان مناسب می توان سود قابل ملاحظه ای را عاید شرکت ها کرد. از آنجا که کاهش عدم اطمینان از اهداف این پروژه است و استفاده از روش های ترکیبی نقش به سزایی درافزایش سطح اطمینان برای پیش بینی دارند، در نتیجه از ترکیبی از روش ها استفاده می کنیم که بسته به مطالعات انجام شده از هر روش درحیطه ی قوت آن استفاده می کنیم تا بالاترین دقت حاصل شود. در ابتدا به آماده سازی داده ها می پردازیم تا بسته به خواص آماری آنها با دقت ترین روش های پیش بینی را انتخاب کنیم.درادامه برای افزایش ذقت کار از روش های انتخاب ویژگی برای برگزیدن موثرترین متغیرها و با افزودن یکی از روش های یادگیری جمعی برای بهبود نتیجه استفاده می کنیم. در نهایت با مقایسه ی 3 روش ترکیبی Decision Tree-Bagging و Decision Tree-Adaboost ، SVR-Bagging پرداختیم که روش SVR-Bagging با کورولیشن 0.98796 بهترین روش انتخاب شده است
Keywords:
Authors
آیلار ملامهرعلیزاده
کارشناسی ارشد گرایش مهندسی مالی دانشگاه امیرکبیر