Astaraki

پيش بيني نرخ ارز با استفاده از شبکه هاي عصبي مصنوعي و مدل arima

يکي از روش هاي سنتي پيش بيني، تجزيه و تحليل سري زماني است که بر دو فرض ايستايي و خطي بودن بنيان نهاده شده است. در مورد عمکرد اين مدل هاي سنتي بعضا ترديدهاي ايجاد شده است. يکي از روش هاي جايگزين، شبکه هاي عصبي مصنوعي است که در برخي از موارد توانايي بالقوه خوبي براي پيش بيني سري هاي زماني از خود نشان داده اند. در اين مقاله، پس از مرور پژوهش هاي انجام شده در مورد توانايي پيش بيني مدل هاي خود توضيح جمعي ميانگين متحرک (arima) و شبکه هاي عصبي مصنوعي (ann) به مقايسه اين دو روش براي پيش بيني نرخ روزانه ارز در دوره مارس 2006 تا فوريه 2009 پرداخته شده است. نتايج تحقيق نشان داده است که روش شبکه هاي عصبي تخمين هاي بهتري نسبت به روش arima ارايه مي کند. در اين پژوهش، از ابزارهاي محاسباتي نرم افزار matlab و داده هاي اقتصادي ايران استفاده شده است.


كليد واژه: پيش بيني، شبکه هاي عصبي مصنوعي (ann)، خود رگرسيون ميانگين متحرک انباشته

فايل ضميمه

48413871905.pdf (273.6 كيلو بايت, 262 نمايش)

__________________

تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران !
با بیش از صد و چهل هزار کاربر!

taha_mokfi

این دومین مقاله ایرانی هست که داره میگه شبکه عصبی بهتره. این موضوع کاملا اشتباه هستش. اگر منبع isi پیدا کردم براتون می فرستم. اصولا سری های زمانی تخمین بهتری از داده هایی که بر اساس زمان تغییر می کنند به ما می ده تا شبکه های عصبی. البته با ادغام این دو روش یه مدل با دقت خیلی بالا می شه بدست آورد.
ممنون از این مقاله جالب. منو مجبور می کنه که منابع سری زمانی رو دوباره نگاهی بیاندازم و مقاله isi در این خصوص پیدا کنم