%31تخفیف

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

این فایل در 112 صفحه فایل word قابل ویرایش می باشد.

چکیده

پیش­بینی از ابزارها و راهکارهای مؤثر به منظور برنامه­ریزی و تدوین روش­های مالی است. دقت پیش­بینی از مهم­ترین عوامل مؤثر در انتخاب روش پیش­بینی است. امروزه با وجود روش­های متعدد پیش­بینی، هنوز پیش­بینی دقیق نرخ ارز کار چندان ساده­ای نیست و اکثر محققان درصدد به­کارگیری و ترکیب روش­های متفاوت به منظور دستیابی به نتایج دقیق­تر هستند. الگوهای خودرگرسيون ميانگين متحرک انباشته يکي از مهم­ترين و پرکاربردترين الگوهاي سري‌هاي زماني هستند. مهم­ترين محدوديت آن­ها پيش‌فرض خطي‌بودن الگو است. شبكه‌هاي عصبي مصنوعي از جمله مهم­ترين و دقيق‌ترين روش­هاي حال حاضر جهت الگو‌سازي غيرخطي داده‌ها هستند. اما با وجود تمامي مزيت‌هاي شبکه‌هاي عصبي، اين‌گونه از شبکه‌ها را نمي‌توان در تمامي موارد و به عنوان يک الگوی کلي که براي همه موارد مناسب باشند، درنظرگرفت. الگوی رگرسيون فازي يک الگوی مناسب در شرايط پیش­بینی با داده­های کم است. امّا عملکرد آن­ها در حالت کلي چندان رضايت‌بخش نیست. بنابراین، در پژوهش حاضر از شبکه‌هاي عصبي مصنوعي و رگرسيون فازي به ترتيب به منظور حذف محدوديت‌هاي خطي و تعداد داده‌هاي مورد نياز در روش خودرگرسیون میانگین متحرک انباشته و بهبود نتايج 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 اندازه­گیری عملکرد پیش­بینی الگوی ارایه شده از شاخص­های 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 می­دهد که الگوی هوش محاسباتی ترکیبی نسبت به سایر الگوها نتایج دقیق­تری در پیش­بینی نرخ ارز (دلار در مقابل ریال) ارایه می­دهد.

 

فهرست مطالب

عنوان…………………………………………… صفحه

فصل یکم: مقدمه و کلیات

مقدمه.. 3

1-1. بیان مساله.. 4

1-2. پرسش پژوهش.. 8

1-3. فرضیه­های پژوهش.. 8

1-4. اهداف پژوهش.. 9

1-5. روش پژوهش.. 9

1-6. تعریف واژگان کلیدی.. 11

1-7. سازماندهی پژوهش.. 11

فصل دوم: ادبیات موضوع

مقدمه.. 13

2-1. مبانی نظری.. 13

2-1-1. تحلیل فنی.. 15

2-1-1-1. مبانی تحلیل فنی.. 16

2-1-1-2. پایه و اساس تحلیل فنی.. 17

2-1-2. تحلیل بنیادی.. 18

2-1-2-1. نقاط ضعف تحلیل بنیادی.. 19

2-1-3. فرضیه گام تصادفی.. 20

2-1-4. انواع نظام­های ارزی.. 20

2-1-4-1. نظام­های ارزی شناور.. 22

2-1-4-2. نظام­های ارزی میانه.. 24

2-1-4-3. نظام­های ارزی میخکوب شده نرم.. 25

2-1-4-4. نظام­های ارزی میخکوب سخت.. 27

2-1-5. دیدگاه­های مختلف در ادبیات نرخ ارز.. 28

2-1-5-1. دیدگاه سنتی نرخ ارز.. 28

الف. روش کشش­ها.. 28

ب. الگوی برابری قدرت خرید ( ).. 30

ج. الگوی ماندل – فلمینگ ( ).. 32

2-1-5-2. دیدگاه جدید دارایی.. 34

الف. الگوهای پولی تعیین نرخ ارز.. 34

ب. الگوی تعادل پورتفولیو.. 37

2-2. مطالعات انجام شده.. 38

2-2-1. مطالعات خارجی.. 38

2-2-2. مطالعات داخلی.. 46

2-3. مروری بر تحولات ارزی ایران.. 48

2-3-1. تحولات ارزی تا زمان وقوع انقلاب اسلامی.. 48

2-3-2. تحولات ارزی پس از وقوع انقلاب اسلامی.. 50

فصل سوم: روش پژوهش

3-1. مقدمه.. 55

3-2. حدود پژوهش و روش جمع­آوری داده­ها و اطلاعات.. 55

3-3. پيش بيني.. 56

3-4. الگوهای پیش­بینی سری­های زمانی.. 57

3-4-1. الگوی خودرگرسیون میانگین متحرک انباشته ( ).. 58

3-4-1-1. تاریخچه خودرگرسیون میانگین متحرک انباشته.. 58

3-4-1-2. ویژگی­های روش خودرگرسیون میانگین متحرک انباشته.. 59

3-4-1-3. الگوسازی ،  و .. 60

3-4-1-4. الگوی خودرگرسیون میانگین متحرک انباشته.. 62

3-4-1-5. مراحل الگوسازی سری زمانی با روش خودرگرسیون میانگین متحرک انباشته   63

3-4-2. الگوهای شبکه­های عصبی مصنوعی ( ).. 64

3-4-2-1. تاریخچه شبکه­های عصبی مصنوعی.. 64

3-4-2-2. مبانی شبکه­های عصبی مصنوعی.. 65

3-4-2-3. مزیت­ها و معایب شبکه­های عصبی مصنوعی.. 66

3-4-2-4. ساختار شبکه­های عصبی مصنوعی.. 66

3-4-2-5. دسته­بندی داده­ها.. 68

3-4-2-6. واحدهای پردازش.. 69

3-4-2-7. انواع توابع فعال­سازی (تبدیل).. 69

3-4-2-8. انواع شبکه­های عصبی.. 71

3-4-2-9. مراحل اساسی ساخت یک شبکه عصبی مصنوعی.. 74

3-4-2-10. الگوریتم­های آموزش شبکه­های عصبی مصنوعی.. 75

3-4-2-11. شبکه­های پرسپترون چند لایه ( ).. 76

3-4-2-12. معیارهای خطا.. 79

3-4-3. مفاهیم فازی.. 80

3-4-3-1. تاریخچه نظریه فازی.. 80

3-4-3-2. مجموعه­های فازی.. 81

3-4-3-3. عملگرهای فازی.. 82

3-4-3-4. اصل گسترش در مجموعه­های فازی.. 82

3-4-3-5. عدد فازی.. 83

3-4-3-6. مبانی رگرسیون فازی.. 85

3-5. الگوی هوش محاسباتی ترکیبی.. 87

فصل چهارم: یافته­های پژوهش

4-1. مقدمه.. 96

4-2. مجموعه­ی داده­ها.. 96

4-3. آماده­سازی داده­های ورودی.. 97

4-4. برازش الگوی خودرگرسیون میانگین متحرک انباشته.. 98

4-5. طراحی و آموزش یک شبکه عصبی مصنوعی.. 105

4-5-1. انتخاب نوع شبکه.. 106

4-5-2. تعیین تعداد لایه­ها.. 106

4-5-3. تعیین تعداد نرون­های هر لایه.. 107

4-5-4. تعیین توابع فعال­سازی.. 110

4-5-5. تعیین الگوریتم آموزش.. 110

4-5-6. مجموعه­های آموزش و آزمون.. 111

4-5-7. معیار سنجش عملکرد.. 111

4-6. فازی­سازی الگوی  طراحی شده.. 113

4-7. فازی­سازی تجدید نظر شده و نهایی سازی مقادیر ضرایب.. 117

4-8. مقایسه الگوی هوش محاسباتی ترکیبی با سایر الگوها.. 118

4-9. آزمون فرضیه­های پژوهش.. 119

فصل پنجم: خلاصه، نتیجه­گیری و پیشنهادها

5-1. خلاصه و نتیجه­گیری.. 122

5-2. پیشنهادها. 123

 منابع. 124

 پیوست. 132

 

 

فهرست شکل­ها

عنوان…………………………………………… صفحه

شکل (2-1): روش­های پیش­بینی نرخ ارز.. 15

شکل (3-1): نمایش لایه­ها در شبکه عصبی مصنوعی.. 67

شکل (3-2): ساختار کلی یک پرسپترون چند لایه.. 77

شکل (4-1): نرخ ارز مربوط به 12 فروردین ماه 1391 تا 21 خرداد ماه 1393  97

شکل (4-2): داده­های نرمال شده نرخ ارز مربوط به 12 فروردین ماه 1391 تا 21 خرداد ماه 1393. 98

شکل (4-3): مقادیر واقعی و پیش­بینی شده الگوی . 104

شکل (4-4): باقیمانده­های الگوی . 105

شکل (4-5): عملکرد  شبکه طراحی شده در داده­های آزمون و آموزش.. 109

شکل (4-6): ساختار نهایی  طراحی شده.. 112

شکل (4-7): مقادیر واقعی و برآورد شده توسط  طراحی شده.. 113

شکل (4-8): مقادیر واقعی و حد بالا و پایین آن­ها (الگوی فازی­سازی شده اولیه).. 116

شکل (4-9): مقادیر واقعی و حد بالا و پایین آن­ها (الگوی فازی­سازی شده نهایی).. 117

  

 

فهرست جدول­ها

عنوان…………………………………………… صفحه

جدول (2-1): مزیت­ها و معایب نظام­های ارزی.. 21

جدول (3-1): متداول­ترین توابع فعال­سازی شبکه­های عصبی مصنوعی.. 70

جدول (4-1): تقسیم­بندی داده­ها به داده­های آموزش و آزمون.. 99

جدول (4-2): نتایج حاصل از آزمون ریشه واحد برای متغیر نرخ ارز (دلار در مقابل ریال).. 100

جدول (4-3): مقادیر آکائیک در الگوی برآورد شده . 101

جدول (4-4): نتایج تخمین الگوی . 107

جدول (4-5): معیارهای عملکرد الگوهای  و . 103

جدول (4-6): بررسی توابع فعال­سازی.. 110

جدول (4-7): تقسیم­بندی داده­ها به داده­های آموزش و آزمون.. 111

جدول (4-8): مقادیر مربوط به وزن­ها و بایاس­های  طراحی شده   112

جدول (4-9): معیارهای عملکرد الگوی  طراحی شده.. 113

جدول (4-10): مقادیر واقعی و حد پایین و بالای آن­ها (الگوی فازی­سازی شده نهایی).. 118

جدول (4-11): معیارهای عملکرد الگوی هوش محاسباتی ترکیبی.. 118

جدول (4-12): نتایج به­دست آمده از الگوها.. 119

 

 

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “طراحی یک الگوی هوش محاسباتی ترکیبی برای پیش¬بینی نرخ ارز در ایران”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo