پیش بینی قیمت سکه طلا در بورس کالای ایران با رویکرد شبکه عصبی GMDH

اقتصاد هر کشور از بخش­های مختلفی تشکیل شده که روابط بین این بخش­ها، سمت  و سوی اقتصاد آن کشور را مشخص می­کند. در این بین بازار سرمایه در کنار بازار پول، به عنوان اجزائ تشکیل­دهنده  بازارهای  مالی بوده و در واقع شریان­های اصلی یک اقتصاد محسوب می­گردند، که مسائلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد می­باشد و چنانچه رابطه منطقی بین بازار مالی با سایر بخشهای اقتصادی وجود نداشته باشد، احتمال بروز اختلالات و نقصان­هایی در سازوکار اقتصاد وجود دارد.  بازار  بورس به عنوان رکن اصلی بازار مالی نقش مهمی را در تسهیل سرمایه­گذاری­های شکل گرفته در بازار سرمایه ایفا می­کند. هدف اصلی این مطالعه همان­گونه که عنوان این تحقیق نیز مبین آن است، پیش­بینی قیمت سکه طلا می­باشد. لذا ضمن مرور اجمالی بر شناخته شده ترین تئوری های اقتصادی،  به ارائه روش جدیدتری نسبت به سایر روش های 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 پیش بینی می کنیم. الگوریتم GMDH  قابلیت استفاده در موضوعات متنوعی چون کشف روابط، پیش بینی، مدل سازی سیستم ها، بهینه سازی وشناخت الگوهای غیرخطی را دارا می باشد. ویژگی خاص این الگوریتم استنتاجی،  قابلیت شناسایی و غربال کردن متغیرهای کم اثر ورودی در دوره آموزش شبکه و حذف آنها از روند شبیه سازی در دوره آزمون می باشد. بدین ترتیب می توان با انجام یک فرآیند قیاسی، در چند مرحله تکرار، متغیرهای کم اثرتر را حذف نمود و نهایتا مدل بهینه برای پیش بینی را بر اساس معیارهای متداول خطا نظیر RMSE و MAPE و... بدست آورد. بعلاوه، این الگوریتم قادر به شناسایی و رتبه بندی تاثیرگذارترین متغیرها نیز می باشد.

کلیدواژه ها:

پیش بینی ، قیمت سکه طلا ، متغیر های کلان ، شبکه های عصبی مصنوعی ، الگوریتم GMDH