طراحی مدلی جهت پیش بینی بازده قیمت جهانی طلا (با تاکید بر مدل های ترکیبی شبکه عصبی کانولوشنی و مدل های خانواده گارچ)

Publish Year:

1401

نوع سند:

مقاله ژورنالی

زبان:

Persian

View:

78

This Paper With 26 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_FEJ-13-50_004

تاریخ نمایه سازی: 4 مرداد 1401

Abstract:

این مقاله به معرفی مدل هایی از ترکیب خانواده GARCH و شبکه عصبی کانولوشنی، جهت پیش بینی بازدهی روزانه طلای جهانی طی فاصله زمانی ۱۳۹۸-۱۳۹۰ می پردازد. در این پژوهش از مدل های دارای حافظه کوتاه مدت GARCH و EGARCH استفاده می شود. علاوه بر بکارگیری مدل های حافظه کوتاه مدت، با توجه به کارایی مدل های ترکیبی خانواده GARCH (در مقایسه با مدل های فردی) در پیش بینی داده های مالی، در این مطالعه، تمامی مدل های خانواده GARCH با شبکه عصبی کانولوشنی ترکیب شده و با استفاده از مدل های ترکیبی بازده طلا پیش بینی شده است . وهمچنین پیش بینی به صورت ده گام به جلو بوده است. نتایج تحقیق حاکی از برتری مدل پیشنهادی نسبت به مدل های جاری در پیش بینی سری زمانی بازدهی قیمت طلا بود. همچنین براساس معیارهای ارزیابی خطای پیش بینی RMSE و MAPE، مدل CNN-EGARCH برپایه توزیع نرمال دارای خطای پیش بینی کمتری نسبت به ۲۳ مدل دیگر دارد. در این راستا، معیار بررسی صحت پیش بینی دیبولد-ماریانو (DM) نیز یافته های فوق را تایید میکند.

Authors

محمد جوادبختیاران
محمد جواد بختیاران

گروه علوم اقتصادی، دانشکده مدیریت و اقتصاد ، دانشگاه تربیت مدرس، تهران، ایران

مهدیذوالفقاری
مهدی ذوالفقاری

گروه علوم اقتصادی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران