مقایسه عملکرد شبکه های بازگشتی در پیشبینی قیمت جهانی طلا

طلا از دیرباز بهعنوان فلزی ارزشمند مورد توجه جوامع بشری بوده است و پیشبینی قیمتهای آتی آن مدت هاست که موضوعی جذاب است و به طور گسترده توسط محققان حوزه های مختلف ازجمله اقتصاد، آمار و علوم کامپیوتر مورد مطالعه قرارگرفته است. با پیشبینی قیمتهای آتی میتوان طلا را در موقعیتهای سودآور خریدوفروش کرد و ریسک سرمایه گذاری را کاهش داد. لذا در این مقاله بر اساس داده های آخرین قیمت معاملاتی ۵ روز گذشته، آخرین قیمت معاملاتی یک اونس طلا بر حسب دلار آمریکا برای روز آتی در بازار جهانی پیشبینی شده است. برای این منظور از شبکه های بازگشتی RNN ساده و LSTM استفاده شده است. پیشبینی های دو تکنیک با استفاده از شاخصهای RMSE و R۲ مقایسه شده اند. این مقایسه بر اساس ۳۰ بار تکرار هر الگوریتم و بر اساس مقایسه آماری میانگین دو جامعه انجام شده است. بررسی نتایج حاکی از عملکرد مطلوبتر LSTM است.

کلیدواژه ها:

پیشبینی قیمت طلا ، اونس ، یادگیری عمیق ، شبکه عصبی بازگشتی ، RNN ، .LSTM