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: 168

فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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.

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