طراحی یک الگوی هوش محاسباتی ترکیبی برای پیش بینی نرخ ارز در ایران
134 صفحه
چکیده:
پیش بینی از ابزارها و راهکارهای مؤثر به منظور برنامه ریزی و تدوین روش های مالی است. دقت پیش بینی از مهم ترین عوامل مؤثر در انتخاب روش پیش بینی است. امروزه با وجود روش های متعدد پیش بینی، هنوز پیش بینی دقیق نرخ ارز کار چندان سادهای نیست و اکثر محققان درصدد به کارگیری و ترکیب روش های متفاوت به منظور دستیابی به نتایج دقیق تر هستند. الگوهای خودرگرسیون میانگین متحرک انباشته یکی از مهم ترین و پرکاربردترین الگوهای سری‌های زمانی هستند. مهم ترین محدودیت آن ها پیش‌فرض خطی‌بودن الگو است. شبکه‌های عصبی مصنوعی از جمله مهم ترین و دقیق‌ترین روش های حال حاضر جهت الگو‌سازی غیرخطی داده‌ها هستند. اما با وجود تمامی مزیت‌های شبکه‌های عصبی، این‌گونه از شبکه‌ها را نمی‌توان در تمامی موارد و به عنوان یک الگوی کلی که برای همه موارد مناسب باشند، در نظر گرفت. الگوی رگرسیون فازی یک الگوی مناسب در شرایط پیش بینی با داده های کم است. امّا عملکرد آن ها در حالت کلی چندان رضایت‌بخش نیست. بنابراین، در پژوهش حاضر از شبکه‌های عصبی مصنوعی و رگرسیون فازی به ترتیب به منظور حذف محدودیت‌های خطی و تعداد داده‌های مورد نیاز در روش خودرگرسیون میانگین متحرک انباشته و بهبود نتایج حاصل، استفاده شده است. اطلاعات استفاده شده در این پژوهش شامل 115 دادهی هفتگی نرخ ارز (دلار ایالات متحده در مقابل ریال ایران) از تاریخ 12/01/1391 تا 21/03/1393 است. در پژوهش حاضر به منظور اندازه گیری عملکرد پیش بینی الگوی ارایه شده از شاخص های مختلفی مانند میانگین مطلق خطا ( )، میانگین مربع خطا ( )، مجموع مربع خطا ( )، ریشه میانگین مربع خطا ( )، میانگین درصد مطلق خطا ( ) و میانگین خطا ( ) استفاده شده است. نتایج نشان می دهد که الگوی هوش محاسباتی ترکیبی نسبت به سایر الگوها نتایج دقیق تری در پیش بینی نرخ ارز (دلار در مقابل ریال) ارایه می دهد.
واژگان کلیدی
نرخ ارز، هوش محاسباتی ترکیبی، اقتصاد ایران
عنوان پروژه: طراحی یک الگوی هوش محاسباتی ترکیبی برای پیش بینی نرخ ارز در ایران