مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

الموضوعات :

محمدعلی خطیب سمنانی ¹ , منیژه هادی نژاد ² , رکسانا خشوعی ³

1 - استادیار
2 - استادیار
3 - کارشناس ارشد اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات

تاريخ الإرسال : 12 الجمعة , محرم, 1435 تاريخ التأكيد : 06 الجمعة , جمادى الأولى, 1435 تاريخ الإصدار : 11 الإثنين , صفر, 1437

الکلمات المفتاحية: نرخ ارز, شبکه عصبی, MFNN, NNARX, تجزیه موجک,

ملخص المقالة :

این مطالعه تلاشی است در جهت به کارگیری ترکیب مدل شبکه ی عصبی پویا و تجزیه ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش بینی متغیر مذکور می باشد. جهت تحقق این مهم، از داده های سری زمانی ماهانه ی نرخ ارز طی بازه ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدل سازی ها استفاده شده و تعداد 27 مشاهده نیز جهت شبیه سازی و یا به بیان دیگر به منظور ارائه ی پیش بینی های خارج از نمونه به کار گرفته شده است.یافته های این مطالعه حاکی از آن بوده است که اولاً، مدل های شبکه ی عصبی پویا در مقایسه با مدل های شبکه ی عصبی چند لایه ی پیشخور، از عملکرد بهتری در پیش بینی خارج از نمونه ی نرخ ارز،بر مبنای هر دو معیار محاسبه ی خطای پیش بینی MSEو RMSE داشته است و ثانیاً، به کارگیری تکنیک تجزیه ی موجک سبب بهبود نتایج پیش بینی های مدل های مذکور بر مبنای هر دو معیار مذکور گشته است. ثالثاً، در میان مدل های مذکور، بهترین نتیجه متعلق به پیش بینی های حاصل از مدل های شبکه ی عصبی پویای مبتنی بر داده های تجزیه شده با تکنیک موجک بوده است. لذا، استفاده از این ترکیب مدل ها را به عنوان یک ترکیب بهینه می توان به محققان، تحلیل گران و تصمیم گیران پولی کشور، پیشنهاد نمود.