پیش بینی قیمت سکه طلا در بورس کالای ایران با رویکرد شبکه عصبی GMDH
الموضوعات : اقتصاد کاربردیعباس معمار نژاد 1 , وحید فرمان آرا 2
1 - ندارد
2 - مسئول مکاتبات
الکلمات المفتاحية: پیش‌بینی, قیمت سکه طلا, متغیرهای کلان, شبکه‌های عصبی مصنوعی, الگوریتم GMDH,
ملخص المقالة :
اقتصاد هر کشور از بخش های مختلفی تشکیل شده که روابط بین این بخش ها، سمت و سوی اقتصاد آن کشور را مشخص می کند. در این بین بازار سرمایه در کنار بازار پول، به عنوان اجزائ تشکیل دهنده بازارهای مالی بوده و در واقع شریان های اصلی یک اقتصاد محسوب می گردند، که مسائلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد می باشد و چنانچه رابطه منطقی بین بازار مالی با سایر بخشهای اقتصادی وجود نداشته باشد، احتمال بروز اختلالات و نقصان هایی در سازوکار اقتصاد وجود دارد. بازار بورس به عنوان رکن اصلی بازار مالی نقش مهمی را در تسهیل سرمایه گذاری های شکل گرفته در بازار سرمایه ایفا می کند. هدف اصلی این مطالعه همان گونه که عنوان این تحقیق نیز مبین آن است، پیش بینی قیمت سکه طلا می باشد. لذا ضمن مرور اجمالی بر شناخته‌شده‌ترین تئوری‌های اقتصادی، به ارائه روش جدیدتری نسبت به سایر روش‌های متداول پیش بینی در گذشته پرداخته و با استفاده از مدل شبکه عصبی GMDH، اثر متغیرهای کلان اقتصادی (شامل نرخ ارز دلار، قیمت سکه، قیمت طلا به دلار، قیمت نفت به دلار، شاخص قیمت کل سهام، تاریخ روز تحویل سکه) بر قیمت آتی سکه را الگوسازی و پیش‌بینی می‌کنیم. الگوریتم GMDH قابلیت استفاده در موضوعات متنوعی چون کشف روابط، پیش‌بینی، مدل‌سازی سیستم‌ها، بهینه‌سازی وشناخت الگوهای غیرخطی را دارا می‌باشد. ویژگی خاص این الگوریتم استنتاجی، قابلیت شناسایی و غربال‌کردن متغیرهای کم‌اثر ورودی در دوره آموزش شبکه و حذف آنها از روند شبیه‌سازی در دوره آزمون می‌باشد. بدین ترتیب می‌توان با انجام یک فرآیند قیاسی، در چند مرحله تکرار، متغیرهای کم‌اثرتر را حذف نمود و نهایتاً مدل بهینه برای پیش‌بینی را بر اساس معیارهای متداول خطا نظیر RMSE و MAPE و... بدست آورد. بعلاوه، این الگوریتم قادر به شناسایی و رتبه‌بندی تأثیرگذارترین متغیرها نیز می‌باشد.
