مقایسه مدلهای فنی نرخ ارز و شبکه عصبی مصنوعی با بکارگیری الگوریتم ژنتیک در اقتصاد ایران

بعد از مطالعه جامع میس و روگوف (۱۹۸۳) مبنی بر اینکه عملکرد به مراتب ضعیف تر مدلهای بنیادی نسبت به مدلهای فنی نرخ ارز، توجه به پیش بینی نرخ ارز بر اساس مدلهای مختلف فنی افزایش یافت که منجر به استفاده از فرضیه بازارهای کارا و فرآیندهای گام تصادفی در اکثر مطالعات اقتصاددانان گردید. به دلیل تعدد مدلهای فنی و تشخیص درست مدل بهینه تعیین نرخ ارز و نیز ورود رویکرد شبکه عصبی مصنوعی در بحث پیش بینی متغیرهای اقتصادی بخصوص نرخ ارز، در این تحقیق از الگوریتم ژنتیک برای دوره زمانی ۱:۱۹۹۷ تا ۱۲:۲۰۲۲ میلادی و برای نرخ ارز ریال ایران در برابر دلار آمریکا استفاده شد. هر یک از مدلها با استفاده از جملات خطا و با بهره گیری از چهار معیار میانگین مربعات خطا، میانگین درصد مطلق خطا، ضریب نابرابری تایل و ریشه میانگین مربعات خطا وزندهی شدند. نتایج تحقیق نشان داد که مدل خودرگرسیونی با میانگین متحرک ARMA و شبکه عصبی مصنوعی دارای قدرت توضیح دهندگی بالاتری نسبت به دیگر مدلهای فنی می باشد.

کلیدواژه ها:

مدل فنی ، شبکه عصبی مصنوعی ، بازارهای کارا ، گام تصادفی ، الگوریتم ژنتیک