ارزیابی و مقایسه عملکرد مدل خودرگرسیون میانگین متحرک انباشته و شبکه عصبی فازی برای پیش بینی روزانه قیمت طلا

از آنجایی که فلزات گرانبها مانند طلا از جمله متغیرهای تأثیر گذار در سیستم های مالی می باشند، پیش بینی قیمت آنها از اهمیت خاصی برای تصمیم گیران برخوردار است. به دلیل قدرت نقد شوندگی طلا، این دارایی می تواند جایگزین مناسبی برای سرمایه گذاران نسبت به سایر اقلام دارایی باشد. در میان روش های پیش بینی، شبکه های عصبی مصنوعی (ANN) و منطق فاز در بسیاری از زمینه کاربردی استفاده شده است که هر کدام دارای معایب و محاسنی هستند. بدین منظور ما در این مطالعه از یک شبکه عصبی فازی ANFIS بر مبنای مدل تاکاگی- سوگنو و همچنین الگوریتم یادگیری ترکیبی پس انتشار و حداقل مربعات خطا در جهت بهبود دقت پی بینی و افزایش سرعت همگرایی استفاده کرده ایم. بازه زمانی به کار گرفته شده برای پیش بینی قیمت روزانه طلا از 2010/7/12 تا 2012/5/18 و شبکه عصبی فازی ANFIS در پیش بینی قیمت روزانه طلا است. با توجه به معیارهای متداول ارزیابی خطای پیش بینی، مدل ANFIS نسبت به مدل ARIMA پیش بینی دقیق تری ارائه می دهد.

کلیدواژه ها:

پیش بینی ، شبکه عصبی فازی ANFIS ، مدل ARIMA ، قیمت طلا