توضیحات
دانشکده معارف اسلامی و مدیریت
پایان نامه دوره کارشناسی ارشد
گرایش مدیریت مالی
طراحی مدل پیش بینی قیمت آتی طلا در بورس کالای ایران با استفاده شبکه عصبی فازی
استاد راهنما:
دکتر عادل آذر
اساتید مشاور:
دکتر علی صالحآبادی
دکتر میرفیض فلاح شمس
دانشجو:
حسن طاعتی کاشانی
شهریور ۱۳۹۱
چکیده:
طلا همواره به عنوان فلزی گرانبها مورد توجه بشر بوده است، بنابراین پیش بینی قیمت آن از اهمیت فراوانی برخوردار است. در چند دهه گذشته که روش های ابتکاری و هوش مصنوعی متدوال نشده بودند، برای پیشبینی از روش های کلاسیک برای پیش بینی قیمت استفاده می نمودند. با این وجود بازار طلا یک سیستم غیر خطی است که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی است. بنابراین استفاده از روشهای کلاسیک برای تصمیم گیری صحیح برای معاملات آتی طلا بسیار مشکل است. با پیشرفت و توسعه روشهای غیر خطی همچون شبکههای عصبی و شبکه های عصبی فازی می توان از این روش ها برای پیش بینی قیمت آتی طلا استفاده نمود.
در این تحقیق، سه روش مطرح می شود: ۱) پیش بینی قیمت آتی طلا با رویکرد کلاسیک ۲)پیش بینی قیمت آتی طلا با روش شبکه عصبی مصنوعی ۳) پیش بینی قیمت آتی طلا با روش شبکه عصبی فازی. بدین منظور ابتدا مدلهای روش های کلاسیک از قبیل ARIMA و ARCH و روش های شبکه عصبی مصنوعی و شبکه عصبی فازی طراحی شده و سپس ارزیابی عملکرد میشوند.
نتایج تحقیق بیانگر این حقیقت است که روش شبکه عصبی فازی بهتر عمل نموده و دارای ویژگیهایی همچون همگرایی سریع، دقت بالا و توانایی تابع تقریب قوی بوده و برای پیش بینی قیمت آتی طلا مناسب هستند.
کلیدواژهها: پیش بینی، آتی طلا، شبکه های عصبی مصنوعی، شبکه های عصبی فازی
ملخص
کان دائما یعتبر الذهب کما کان من المعادن الثمینه الإنسان؛ وبالتالی، فمن المهم للتنبؤ الأسعار. فی العقود القلیله الماضیه، ونهج مبتکره لمنظمه العفو الدولیه لم تکن شائعه، واستخدمت أسالیب التنبؤ التقلیدیه للتنبؤ الأسعار. ومع ذلک، فإن سوق الذهب هو نظام غیر الخطیه تتأثر السیاسیه والاقتصادیه، والنفسیه. وهکذا، وذلک باستخدام الطرق التقلیدیه لاتخاذ القرارات الصحیحه لعقود الذهب الآجله من الصعب للغایه. مع تطور أسالیب غیر الخطیه مثل الشبکات العصبیه والشبکات العصبیه غامض، وهذه الطریقه یمکن استخدامها للتنبؤ الأسعار فی المستقبل من الذهب. فی هذه الدراسه، وتناقش ثلاث طرق: ۱٫ النهج الکلاسیکی للتنبؤ الأسعار فی المستقبل من الذهب ۲٫ التنبؤ بأسعار الذهب فی المستقبل مع نهج الشبکه العصبیه الاصطناعیه ۳٫ نهج الشبکه العصبیه غامض للتنبؤ الأسعار فی المستقبل من الذهب.
وبالتالی، الطرق التقلیدیه مثل ARIMA و ARCH وسیتم أسالیب الشبکات العصبیه الاصطناعیه وتصمیم وأداء الشبکه العصبیه تقییم غامض.
هذا البحث هو حقیقه ، یقوم أسلوب الشبکه العصبیه غامض أفضل وخصائص مثل التقارب السریع، ودقه عالیه وقدره قویه من وظیفه تقریب للتنبؤ الأسعار فی المستقبل من الذهب هی مناسبه.
الکلمات الرئیسیه: توقعات الذهب الآجله، والشبکات العصبیه الاصطناعیه، والشبکات العصبیه، غامض.
Abstract
Gold has always been regarded as a precious metal, so it is important to predict prices. In the past few decades and innovative approaches to were not common to the classical prediction methods were used to predict prices. However, the gold market is a non-linear system under the influence of politics, economics and psychology. Thus, using classical techniques is very difficult to decide the correct gold futures contract. With the development of non-linear methods such as neural networks and fuzzy neural networks, this method can be used to predict the future price of gold. In this study, three methods are proposed: 1) The classic approach to predict the future price of gold 2) predict the future price of gold ANN method, 3) fuzzy neural network method to predict the future price of gold. Classical methods such as model ARIMA, ARCH And methods of artificial neural networks and fuzzy neural network design and will be performance evaluation . The results indicate that the fuzzy neural network method has better and has features such as fast convergence, high precision and strong ability of function approximation to predict the future price of gold are suitable.
Keywords: Forecast gold futures CONTRACT, artificial neural networks, and neural networks, fuzzy.
Imam Sadiq University
Faculty of Islamic studies & Management
A thesis presented for the Degree of Master of Art in
Management (Financial)
The design price modeling of gold future in mercantile exchange by using fuzzy neural network
Supervisor:
Dr: Adel Azer
Advisors:
Dr. Ali Salehabadi
Dr. Mirfeiz Fallah Shams
Student:
Hasan Taati Kashani
September 2012
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.