Thesis

پیش بینی نرخ ارز در ایران با استفاده از یک الگوی پیوندی ازالگوی خودرگرسیونی میانگین متحرک انباشته(arima) و شبکه عصبی مصنوعی (ann)

Abstract(in Persian; no English abstract is available)

مطالعات پیشین درخصوص افزایش دقت پیش بینی بین روند متغیرهای کلان اقتصادی، به طور معمول بر پایه الگو های سری-زمانی یا الگو های اقتصادسنجی، استوار بوده اند. با وجود این، این الگو ها با محدودیت خطی بودن مواجه هستند و با غیرخطی بودن طبیعت دنیای واقعی سازگار نیستند. الگوی خودرگرسیونی میانگین متحرک انباشته یکی از پرکاربردترین الگو های خطی در سه دهه گذشته بوده است. در مطالعات اخیر سعی شده است تا پیش بینی ها با استفاده از الگو های شبکه عصبی که با مسائل غیر خطی و پیچیده سروکار دارند، انجام شود. در مقایسه الگوهای arima وann اغلب نتایج مختلفی از نظر برتری یکی بر دیگری در عملکرد پیش بینی حاصل می شود. در این تحقیق الگوی پیوندی پیشنهاد می شود که دو الگوی arima و ann را ترکیب می کند تا از قدرت الگوهایarima وann در الگو سازی خطی و غیر خطی برای پیش-بینی نرخ ارز در ایران (به صورت ماهانه) و مقایسه آن با هر یک از الگوهای arima، ann به طور جداگانه استفاده کند.

Supervisors and advisors

امیر منصور طهرانچیان، اسمعیل ابونوری

Similar theses

  • پیش بینی نرخ ارز با استفاده از شبکه عصبی مصنوعی و مقایسه آن با سایر روش های پیش بینی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده اقتصاد و علوم اجتماعیمجتبی مجیدی

    پیشرفت اقتصادی هر کشور با ثبات اقتصاد کلان آن همبستگی مستقیم دارد. یکی از موثرترین متغیرهای تأثیرگذار بر ثبات اقتصادی، نرخ ارز می باشد. اگر مجموعه کنش ها و واکنش ها در مورد این متغیر به گونه ای باشد که اقتصاد را از شرایط مطلوب تعادل دور سازد، در آن صورت ثبات اقتصاد کلان دچار آسیب

  • پیش بینی نرخ ارز با استفاده از تبدیل موجک و شبکه عصبی در ایران طی سالهای 1372الی 1389

    Thesis2012دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده اقتصادبهارک فرهادپور

    پیش بینی نرخ ارز از مسائل مهم مالی است که به خاطر مشکلات ذاتی و کاربردهای عملی آن توجه زیادی را به خود جلب نموده است . روشهای تجزیه و تحلیل سریهای زمانی به طور سنتی بر دو مفهوم مانایی و خطی بودن بنیان نهاده شده اند، اما در مواردی که پویایی سیستم ویژگی غیرخطی بالایی را نشان می دهد

  • پیش بینی نرخ ارز، با استفاده از یک سیستم فازی- عصبی نوع دوم مبتنی بر خوشه بندی c-means فازی نوع دوم بازه ای

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوترعماد فلاح زاده

    پیش بینی نرخ ارز، همواره به عنوان یکی از موضوعات مورد علاقه فعالان اقتصادی و دانشگاهی بوده است. توان پیش بینی دقیق نرخ ارز، می تواند سود قابل توجهی را نصیب شرکت ها و معامله گران کند. اما نوسان زیاد نرخ ها به دلایلی چون تعدد پارامترهای دخیل در بازار، این کار را بسیار پیچیده و پرخط

  • پیش بینی نرخ ارز با استفاده از مفهوم کنترل توجه

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق و کامپیوترفاطمه دودانگه

    مساله انتخاب ورودی برای پیش بینی سری های زمانی و شناسایی سیستم ها از مسایل بسیار مهم در مدل سازی است که نسبت به دیگر مسایل کمتر مورد توجه قرار گرفته است؛ در حالی که یکی از مهم ترین آن هاست. اهمیت مساله در این است که انتخاب ورودی مناسب می تواند عملکرد و قابلیت تعمیم مدل را تا حد ز

  • پیش بینی نرخ ارز با استفاده از شبکه عصبی با دو رویکرد تکنیکال و بنیادی

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده علوم اجتماعی و اقتصادیمریم ابراهیمی

    نرخ ارز یکی از مهم ترین پارامترهای تأثیرگذار بر سیاست های اقتصادی هر کشور می باشد. لذا پیش بینی این متغیر از اهمیّت بسزایی برخوردار است. یکی از روش های سنتی پیش بینی تجزیه و تحلیل سری زمانی است که بر دو فرض ایستایی و خطی بودن بنیان نهاده شده است. امّا در مواردی که ویژگی خطی بودن

  • طراحی یک الگوی هوش محاسباتی ترکیبی برای پیش بینی نرخ ارز در ایران

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران - دانشکده علوم اداری و اقتصادسیده فاطمه موسوی فرد

    پیش بینی از ابزارها و راهکارهای موثر به منظور برنامه ریزی و تدوین روش های مالی است. دقت پیش بینی از مهم ترین عوامل موثر در انتخاب روش پیش بینی است. امروزه با وجود روش های متعدد پیش بینی، هنوز پیش بینی دقیق نرخ ارز کار چندان ساده ای نیست و اکثر محققان درصدد به کارگیری و ترکیب روش

Similar items