پیش بینی قیمت سکه طلا در بورس کالای ایران با رویکرد شبکه عصبی GMDH
محورهای موضوعی : اقتصاد کاربردی
عباس معمار نژاد
1
(
ندارد
)
وحید فرمان آرا
2
(
مسئول مکاتبات
)
کلید واژه: پیش‌بینی, قیمت سکه طلا, متغیرهای کلان, شبکه‌های عصبی مصنوعی, الگوریتم GMDH,
چکیده مقاله :
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.
The economy of every country is composed of different sectors in which, the relationship amongst them determines the dimensions of the economy of that country. The capital market together with money market make up the financial market as the main arteries of an economy. Their operation has a significant influence on the growth and development of the economy. In cases where there is no constructive relationship between the financial market and economic sectors, economic performance might be subject to distortions. The stock market as a fundamental pillar of the financial market plays a crucial role in facilitating investments in the capital market. Given the importance of expectations in different economic fields, the main purpose of this study, as its title explains, is to anticipate of Iran Mercantile Exchange (IME) gold coin price Therefore, after a brief review of dominant economic theories, a new method, artificial neural network GMDH, is used to forecast the impact of macroeconomic variables( including the rate u.s. dollar as foreign exchange, the price of gold coin, the price of gold and oil in termes of dollar, the over-all index of stocks, the delivery date of gold coin) on the gold coin price. The GMDH Algorithm is a nonlinear model to anticipate complex systematic relationships between variables of the model. The special feature of this deductive algorithm is recognition and screening of the most effective variables to estimate the model with training samples and omit the non-significant ones from the simulation process with testing samples. So, an attempt is made to solve the model via iterative methods to minimize the typical standard Error like RMSE, MAPE, and so on.
