طراحی مدلی جهت پیش بینی بازده قیمت جهانی طلا (با تاکید بر مدل های ترکیبی شبکه عصبی کانولوشنی و مدل های خانواده گارچ)
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 176
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می 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_FEJ-13-50_004
تاریخ نمایه سازی: 4 مرداد 1401
چکیده مقاله:
این مقاله به معرفی مدل هایی از ترکیب خانواده GARCH و شبکه عصبی کانولوشنی، جهت پیش بینی بازدهی روزانه طلای جهانی طی فاصله زمانی ۱۳۹۸-۱۳۹۰ می پردازد. در این پژوهش از مدل های دارای حافظه کوتاه مدت GARCH و EGARCH استفاده می شود. علاوه بر بکارگیری مدل های حافظه کوتاه مدت، با توجه به کارایی مدل های ترکیبی خانواده GARCH (در مقایسه با مدل های فردی) در پیش بینی داده های مالی، در این مطالعه، تمامی مدل های خانواده GARCH با شبکه عصبی کانولوشنی ترکیب شده و با استفاده از مدل های ترکیبی بازده طلا پیش بینی شده است . وهمچنین پیش بینی به صورت ده گام به جلو بوده است. نتایج تحقیق حاکی از برتری مدل پیشنهادی نسبت به مدل های جاری در پیش بینی سری زمانی بازدهی قیمت طلا بود. همچنین براساس معیارهای ارزیابی خطای پیش بینی RMSE و MAPE، مدل CNN-EGARCH برپایه توزیع نرمال دارای خطای پیش بینی کمتری نسبت به ۲۳ مدل دیگر دارد. در این راستا، معیار بررسی صحت پیش بینی دیبولد-ماریانو (DM) نیز یافته های فوق را تایید میکند.
کلیدواژه ها:
نویسندگان
محمد جواد بختیاران
گروه علوم اقتصادی، دانشکده مدیریت و اقتصاد ، دانشگاه تربیت مدرس، تهران، ایران
مهدی ذوالفقاری
گروه علوم اقتصادی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران