ارزیابی و مقایسه عملکرد مدل خودرگرسیون میانگین متحرک انباشته و شبکه عصبی فازی برای پیش بینی روزانه قیمت طلا
Publish place: The First International Conference on Econometrics
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 2,320
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ECONOMETRICS01_146
Index date: 29 December 2012
ارزیابی و مقایسه عملکرد مدل خودرگرسیون میانگین متحرک انباشته و شبکه عصبی فازی برای پیش بینی روزانه قیمت طلا abstract
از آنجایی که فلزات گرانبها مانند طلا از جمله متغیرهای تأثیر گذار در سیستم های مالی می باشند، پیش بینی قیمت آنها از اهمیت خاصی برای تصمیم گیران برخوردار است. به دلیل قدرت نقد شوندگی طلا، این دارایی می تواند جایگزین مناسبی برای سرمایه گذاران نسبت به سایر اقلام دارایی باشد. در میان روش های پیش بینی، شبکه های عصبی مصنوعی (ANN) و منطق فاز در بسیاری از زمینه کاربردی استفاده شده است که هر کدام دارای معایب و محاسنی هستند. بدین منظور ما در این مطالعه از یک شبکه عصبی فازی ANFIS بر مبنای مدل تاکاگی- سوگنو و همچنین الگوریتم یادگیری ترکیبی پس انتشار و حداقل مربعات خطا در جهت بهبود دقت پی بینی و افزایش سرعت همگرایی استفاده کرده ایم. بازه زمانی به کار گرفته شده برای پیش بینی قیمت روزانه طلا از 2010/7/12 تا 2012/5/18 و شبکه عصبی فازی ANFIS در پیش بینی قیمت روزانه طلا است. با توجه به معیارهای متداول ارزیابی خطای پیش بینی، مدل ANFIS نسبت به مدل ARIMA پیش بینی دقیق تری ارائه می دهد.
ارزیابی و مقایسه عملکرد مدل خودرگرسیون میانگین متحرک انباشته و شبکه عصبی فازی برای پیش بینی روزانه قیمت طلا Keywords:
ارزیابی و مقایسه عملکرد مدل خودرگرسیون میانگین متحرک انباشته و شبکه عصبی فازی برای پیش بینی روزانه قیمت طلا authors
منصور زراء نژاد
استاد و عضو هیئت علمی دانشگاه شهید چمران اهواز
علی رئوفی
دانشجوی کارشناسی ارشد اقتصاد دانشگاه شهید چمران اهواز
پویان کیانی
دانشجوی کارشناسی ارشد اقتصاد دانشگاه شهید چمران اهواز
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 :