پیش بینی مالی با استفاده از شبکه های عصبی

  • سال انتشار: 1403
  • محل انتشار: اولین کنفرانس بین المللی فناوری اطلاعات، مدیریت و کامپیوتر
  • کد COI اختصاصی: CONFIT01_0491
  • زبان مقاله: فارسی
  • تعداد مشاهده: 110
دانلود فایل این مقاله

نویسندگان

کبری حسینی

دانشجوی دکتری گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.

محمدعلی کرامتی

دانشیار گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

محمدعلی افشارکاظمی

دانشیار گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

زاداله فتحی

استادیار گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

پژوهش حاضر به طراحی مدلی جهت پیش بینی مالی با استفاده از تلفیق شبکه های عصبی می پردازد، این پژوهش مقای سه ای گذ شته نگر ا ست که با ا ستفاده از دادههای میانگین قیمت نفت اوپک از سال ۲۰۰۳ تا ۲۰۲۲ به پیش بینی برای ۵/۲۰۲۲ تا ۵/۲۰۲۳ پرداخته است ، بدین جهت دو مدل از مدلهای سری زمانی (باکس جنکینز و هالت وینترز) مورد بررسی قرار گرفته است که در مرحله دوم وارد الگوی ترکیبی مبتنی بر شبکه ع صبی م صنوعی شدند. برای ساختن مدل شبکه ع صبی از محیط نرم افزار Matlab و برای ساختن مدل سری زمانی باکس -جنکینز از نرم افزارهای Spssو Eviews استفاده شده است . بر اساس نتایج حاصل از آنالیز خطاهای متدلوژی باکس جنکینز بین فرایندهای سری زمانی ARIMA، ARIMA ۵.۱.۵، ARIMA ۴.۱.۵ و ARIMA ۵.۱.۳ دارای بهترین دقت با MSE به ترتیب ۸۶,۶۱، ۲۱,۶۳، ۲۹,۶۳ و ۳,۶۳ بودند. دقت روش هالت وینترز به دلیل ماهیت دادهها نسبت به روش سری زمانی مناسب نبود بنابراین برای ترکیب روشهای پیش بینی ، بهترین شبکه عصبی مصنوعی طراحی گردید، این شبکه عصبی شامل یک لایه ورودی ۵ نرونی ، یک لایه میانی ۵ نرونی و یک لایه خروجی تک نرونی بود، بر اساس الگوریتم لونبرگ مارکارد و از تابع سیگموئید خطی استفاده گردید، نتایج نشان داد که شبکه عصبی ترکیبی طراحی شده، توانسته است به شکل قابل ملاحظه ای دقت روشهای پیش بینی را بهتر کند و شاخص های MSE، MAPE، AIC و BIC را بهبود بخشد.

کلیدواژه ها

پیش بینی ، تلفیق شبکه عصبی ، مدلهای سری زمانی ، متدلوژی باکس جنکینز و هالت وینترز.

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.