پیش بینی قیمت طلا با بکارگیری مدل ترکیبی مدل های خودرگرسیون میانگین متحرک انباشته کلاسیک با منطق فازی

چکیده

     فلزات قیمتی همچون طلا، نقره و پلاتین از جمله مهمترین متغیرهای موثر در سیستم های مالی بوده و پیش بینی قیمت آنها برای تصمیم گیران از اهمیت بسیار برخوردار است. تغییرات سریع در سیستم های مورد مطالعه در دنیای واقعی و بویژه بازارهای مالی سبب ایجاد مشکلاتی برای پیش بینی کنندگان از جهت تامین داده های لازم گردیده است چرا که مدل های کمی پیش بینی همچون میانگین متحرک خود رگرسیون انباشته (ARIMA) دارای محدودیت تعداد داده های گذشته بوده و شبکه های عصبی مصنوعی (ANNs) نیز به منظور حصول نتایج دقیق احتیاج به داده های زیادی دارند مدل های پیش بینی فازی، مدل هایی مناسب در شرایط پیش بینی با داده های کم بوده، اما عملکرد آن ها درحالت کلی رضایت بخش نمی باشد. استفاده از مدل های ترکیبی یا ترکیب مدل های مختلف یک راه معمول به منظور مرتفع نمودن محدودیت های مدل های تکی و بهبود دقت پیش بینی ها می باشد لذا در این مقاله به منظور برطرف نمودن محدودیت داده در مدل های میانگین متحرک خود رگرسیون انباشته کلاسیک و حصول مدلی دقیقتر در پیش بینی سری های زمانی، مدل ترکیبی میانگین متحرک خود رگرسیون انباشته با منطق فازی (FARIMA) به منظور پیش بینی پیشنهاد شده است. نتایج حاصله میانگین کارآمدی روش پیشنهادی در پیش بینی بازه تغییرات قیمت طلا می باشد.  

نویسنده : مهدی خاشعی، مهدی بیجاری
تعداد صفحه : 12
مشخصات فایل : 351KB / PDF
قیمت : رایگان