بررسی مقایسه ای بین مدل ترکیبی سیستم ژنتیک فازی عصبی خودسازمانده و مدل خطی در پیش بینی قیمت توافقی قراردادهای آتی سکه طلا

Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 140

This Paper With 20 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JFR-17-2_003

تاریخ نمایه سازی: 20 بهمن 1400

Abstract:

این مقاله به بررسی پیش بینی قیمت قرارداد آتی سکه طلا در بورس کالای ایران پرداخته است. این تحقیق مدلی ترکیبی بر اساس سیستم ژنتیک فازی (GFS) و شبکه عصبی مصنوعی (ANN) برای پیش بینی قرارداد آتی سکه طلا ارائه داده است. در این روش، ابتدا با استفاده از روش رگرسیون گام به گام متغیرهایی مشخص می شود که بیشترین تااثیر را بر قیمت قرارداد آتی سکه طلا دارند. در گام بعدی داده های خام با استفاده از شبکه عصبی خودسازمانده به k دسته تقسیم می شود. در نهایت، این دسته ها به سیستم ژنتیک فازی وارد و پیش بینی انجام می شود. درآخر، نتیجه پیش بینی حاصل از مدل ترکیبی ارائه شده، با نتیجه حاصل از پیش بینی روش خطی آریما با استفاده از معیار سنجش خطا MAPE با هم مقایسه شد. نتایج نشان داد که مدل ترکیبی ارائه شده، پیش بینی بسیار مناسب تری از روش آریما دارد و خطای پیش بینی آن بسیار کمتر بوده است.  

Keywords:

سیستم ژنتیک فازی , شبکه عصبی مصنوعی خودسازمانده , قرار داد آتی سکه طلا , مدل آریما

Authors

شهاب الدین شمس

استادیار دانشگاه مازندران، بابلسر، ایران

مرضیه ناجی زواره

کارشناس ارشد مدیریت بازرگانی، دانشگاه مازندران، بابلسر. ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Ali Ahmadi, S. & Ahmadlu, M. (۲۰۱۱). Forecast the Gold ...
  • Anderberg, M. (۱۹۷۳). Cluster analysis for applications. Academic Press. New ...
  • Azar, A. & Rajabzadeh, M. (۲۰۰۳). Evaluating of combining forecasting ...
  • Delavare, M. & Rahmati, Z. (۲۰۱۰). The analysis of volatility ...
  • Hanafizadeh, P. & Jafari, A. (۲۰۱۰). Using hybrid artificial neural ...
  • Mangiameli, P., Chen, K.S. & West, D. (۱۹۹۶). A comparison ...
  • Monadjemi, A., Abzari, M. & Rayati Shavazi, A. (۲۰۰۹). Modeling ...
  • Raei, R. & Saeedi, A. (۲۰۰۶). Fundamentals of financial engineering ...
  • Sarfaraz, L. & Afsar, A. (۲۰۰۵). A study of factors ...
  • Shaikh, A. & Zahid, I. (۲۰۰۴). Using neural networks for ...
  • Sjaastad, L.A. (۲۰۰۸). The price of gold and the exchange ...
  • Tully, E. & Lucey, B. (۲۰۰۷). A power GARCH examination ...
  • Valente, D.O. & Pedrycz, W. (۲۰۰۷). Advances in fuzzy clustering ...
  • Zanjirdar, M., Motamed, A. & Sajjadi, M. (۲۰۱۰). Evaluating the ...
  • نمایش کامل مراجع