پیش بینی نرخ ارز با بکارگیری مدل های ترکیبی پرسپترون های چندلایه (MLPs) و طبقه بندی کننده های عصبی احتمالی (PNNs)

پیش بینی از ابزارها و راهکارهای موثر به منظور برنامه ریزی و تدوین استراتژی های مالی است. دقت پیش بینی ها از مهمترین فاکتور های موثر در انتخاب روش پیش بینی است. امروزه علی رغم وجود روش های متعدد پیش بینی، هنوز پیش بینی های دقیق، به ویژه در بازارهای مالی کار چندان ساده ای نبوده و اکثر محققان درصدد به کارگیری و ترکیب روش های متفاوت به منظور حصول نتایج دقیق ترند. ترکیب مدل های مختلف یا استفاده از مدل های ترکیبی یک راه معمول در غلبه بر محدودیت های روش های تکی و بهبود عملکرد آنهاست. در ادبیات موضوع، روش های ترکیبی متعددی بر اساس مدل های پرسپترون های چندلایه و به منظور رفع نقایص و محدودیت های موجود در این گونه از روش ها طراحی و به کارگرفته شده اند. دراین مقاله، یک روش ترکیبی جدید از پرسپترون های چندلایه با استفاده از شبکه های عصبی احتمالی ارائه شده است. روش پیشنهادی با به کارگیری قابلیت های منحصر به فرد شبکه های عصبی احتمالی در تشخیص نقاط شکست، تغییرات و الگوهای خاص موجود در سری های زمانی مورد مطالعه را بهتر و کامل تر مدل سازی کرده و لذا عملکرد و دقت مدل در پیش بینی سری های زمانی را افزایش می دهد. نتایج حاصله از بکارگیری روش ترکیبی پیشنهادی به منظور پیش بینی نرخ ارز بیانگر کارامدی روش پیشنهادی در افزایش دقت پیش بینی ها بوده است.