پیش بینی قیمت طلا با استفاده از شبکه حافظه بلند کوتاه مدت LSTM

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 377

فایل این مقاله در 11 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:

CIEFD01_004

تاریخ نمایه سازی: 22 آبان 1402

چکیده مقاله:

طلا همواره از محبوبیت بالایی برخوردار بوده و همچنین کالایی بسیار مهم از نظر سرمایه گذاری به شمار می رود. طلا برای سال های متمادی به عنوان ذخیره ملی کشورها مورد استفاده قرار گرفته و این موضوع نقش آن را در اقتصاد کشورها بسیار حیاتی می کند. از سوی دیگر بیشتر سرمایه گذاران طلا را به عنوان منطقه ای امن در هنگام بروز شرایط عدم اطمینان و هرج و مرج سیاسی می دانند. بنابراین پیش بینی حرکات قیمتی طلا می تواند به سرمایه گذاران کمک کند تا سرمایه گذاری بهتری انجام دهند همچنین از آنجا که قیمت طلا یک عنصر کلیدی در اقتصاد جهانی است پیش بینی آن به دولت ها کمک می کند تا تصمیم های بهتری در حوزه اقتصاد بگیرند. امروزه شبکه های یادگیری عمیق توانسته اند در حوزه های مختلفی از جمله تجزیه و تحلیل سری های زمانی مالی وارد شده و با عملکرد خود مدل های سنتی را کنار بزنند. در این مطالعه تلاش شده تا با استفاده از مدل های یادگیری عمیق و به طور مشخص تر شبکه حافظه بلند کوتاه مدت (LSTM)، کارایی این شبکه ها در بازار ارزهای دیجیتال را مورد بررسی قرار دهیم و روند حرکت قیمتی طلا با حداقل خطای ممکن پیش بینی شود. با توجه به نتایج و مقادیر خطای بدست آمده، شبکه ی LSTM می تواند به عنوان ابزاری قدرتمند به منظور پیش بینی قیمت طلا مورد استفاده قرار بگیرد.

کلیدواژه ها:

شبکه های یادگیری عمیق ، طلا ، سری زمانی ، شبکه حافظه بلند کوتاه مدت.

نویسندگان

حسن حسینی

دانشجو ی دکترای مالی، دانشگاه آزاد اسلامی، واحد علوم تحقیقات، تهران، ایرا ن

علی نمکی

استادیار، گروه مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایرا ن