مقایسه ی عملکرد مدلهای شبکه های عصبی مصنوعی برای پیش بینی نرخ ارز در ایران
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 187
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECONC-7-2_003
تاریخ نمایه سازی: 6 مرداد 1400
چکیده مقاله:
با توجه به نوسانات زیاد نرخ ارز در ایران پیش بینی آن یکی از چالش های مهم برای گروه های مختلف در کشور می باشد. این مطالعه به بررسی عملکرد شش شبکه ی عصبی مصنوعی مختلف ایستا و پویا برای پیشبینی نرخ ارز با رویکردهای بنیادی، تکنیکال و ترکیبی و با بکارگیری داده های فصلی طی دوره زمانی (۱)۱۳۸۳-(۴)۱۳۹۶ برای متغیرهای تاثیرگذار روی نرخ ارز شامل تورم، نقدینگی و تولید ناخالص داخلی برای دو کشور ایران و آمریکا، صورت گرفته است. یافته های پژوهش حاکی از این است تعداد نرون ها اثر منظمی روی بهتر شدن عملکرد شبکه ها نداشته و از طرفی بهترین نتایج در وقفه های سه و چهار اتفاق افتاده است. نتایج نشان می دهد که بهترین عملکرد مربوط به شبکه ی ایستای تکنیکال و با ساختار شانزده نرون و چهار وقفه میسر شده است که پیش بینی نسبتا دقیقی از نرخ ارز علیرغم تعداد کم داده های ورودی ارائه می دهد. همچنین دومین عملکرد مناسب مربوط به شبکهی ایستای ترکیبی با ساختار ده نرون و دو وقفه میباشد. با این ملاحظات، سیاست گذاران میتوانند با توجه به دسترسی بیشتر و بروزتر به دادههای موثر بر نرخ ارز و با پایش لحظهای متغیرها و ورود آنها به مدل جامع طراحی شده با استفاده از این روش، میزان انحراف نرخ ارز پیشبینی شده توسط مدل و نرخ ارز موجود را مورد بررسی قرار داده و سیاستهای مقتضی را بر این اساس اتخاذ نمایند، به طوری که زیان های وارده بر بخش داخلی و خارجی اقتصاد ناشی از شکاف نرخ پیش بینی شده و نرخ ارز موجود در حداقل مقدار باشد.
کلیدواژه ها:
نویسندگان
عبدالرحیم هاشمی دیزج
استادیار دانشکده علوم اجتماعی،دانشگاه محقق اردبیلی، اردبیل، ایران. (نویسنده مسئول)
هاتف حاضری نیری
استادیار دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
رسول پوروحدانی
دانشجوی کارشناسی ارشد دانشکده علوم اجتماعی،دانشگاه محقق اردبیلی، اردبیل، ایران