بهبود کیفیت سرمایه گذاری های مالی در بازارهای آتی طلا با بکارگیری مدل های پیش بینیهوشمند

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 608

فایل این مقاله در 10 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:

ICMEI01_441

تاریخ نمایه سازی: 14 آذر 1394

چکیده مقاله:

امروزه ثابت شده که مدیریت مدرن سرمایه گذاری های مالی، یک توانمندی علمی همراه با فرآیندنگری و فراگرداندیشی است. بر این اساس، هیچ سرمایه گذاری بدون استفاده از ابزارهای علمی، پیروی از یک فرنیند منسجم و داشتن تفکری فراگردی در اتخاذ تصمیمات سرمایه گذاری مالی، نمی تواند یک سرمایه گذار موفق باشد. روش های پیش بینی از مهمترین ابزارهای عملی موجود به منظور اتخاذ صحیح تصمیمات سرمایه گذاری محسوب می گردند. در حالت کلی، هرچه دقت پیش بینی های انجا شده در مورد روند و نحوه تغییرات مترتب به یک دارایی سرمایه ای بیشتر باشد، دقت و کیفیت تصمیمات اتخاذی مبتنی بر این پیش بینی ها نیز افزایش خواهد یافت. این مهمترین عاملی است که چرا از گذشته های بسیار دور تا به امروز و علی رغم وجود روش های متفاوت در حوزه مدل های پیش بینی هنوز تلاش برای دستیابی به روش های دقیق تر متوقف نشده است . در این مقاله یک روش ترکیبی به منظور پیش بینی سری های زمانی و تصمیم گیری های مالی ارائه گردیده است . نتایج حاصله از بکارگیری روش پیشنهادی در پیش بینی قیمت طلا در بازارهای بین المللی نتیجه طلا بیانگر کارآمدی روش پیشنهادی نسبت به سایر روش های معمول پیش بینی می باشد..

کلیدواژه ها:

پیش بینی سری های زمانی ، مدل های خودرگرسیون میانگین متحرک انباشته ، تکنیک های هوش مصنوعی ، قیمتآتی طلا ، مدل های ترکیبی

نویسندگان

مهدی خاشعی

استادیار دانشکده صنایع و برنامه ریزی سیستم ها، دانشگاه صنعتی اصفهان

شیدا تربت اصفهانی

دانشجوی کارشناسی ارشد مهندسی سیستم های اقتصادی و اجتماعی، دانشگاه صنعتی اصفهان

فریماه مخاطب رفیعی

دانشیار دانشکده صنایع و برنامه ریزی سیستم ها، دانشگاه صنعتی اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • سرفراز، ل. افسر، ا. (1384) "بررسی عوامل موثر بر قیمت ...
  • خاشعی، م. (1392) "تصمیم‌گیری هوشمند نرم"، رساله دکتری مهندسی صنایع، ...
  • I3] خاشعی، م. (1384) "پیش‌بینی و تحلیل قیمت محصولات عرضه ...
  • Khashei, M. and Bijari, M. (2010). Which methodology is better ...
  • Khashei, M. and Bijari, M. (2010). An artificial neural network ...
  • Hibon, M.dna Evgeniou, T. (2005). To combine or not to ...
  • Khashei, M., Hejazi, S. R. and Bijari, M. (2008). A ...
  • Terui, N. and van Dijk, H. (2002). Combined forecasts from ...
  • Peter Zhang, G. (2003). Time series forecasting using a hybrid ...
  • Wedding II, D.K. and Cios, K.J.(1996), Time series forecasting by ...
  • Pai, P.F.and Lin, C.S. (2005), A hybrid ARIMA and support ...
  • Tseng, F.M., Yu, H.C. and Tzeng, G.H. (2002). Combining neural ...
  • Ginzburg, I.and Horn, D. (1994). Combined neural networks for time ...
  • Yu, L., Wang, S.and Lai, K.K. (2005). A novel nonlinear ...
  • F.M. Tseng, F.M., Yu, H.C.and Tzeng, G.H, (2002). Combining neural ...
  • Khashei, M., Bijari, M. and Raissi, G. A. (2009). Improvement ...
  • Amin-Naseri, M.R. and Soroush, A.R. (2008). Combined use of unsupervised ...
  • Rather, A.M., Agraval, A.and V.N. Sastry V.N.(20 15). Recurrent neural ...
  • Zhang, Y., Zhang, Y. and Haghani, A. (2014). A hybrid ...
  • Zhu, B. and Wei, Y. (2013). Carbon price forecasting with ...
  • Khashei, M., Bijari, M. and Raissi Ardali, G.A. (2012). Hybridization ...
  • Zhang, J., Tan, Z. and Yan, S. (2012). Day-ahead electricity ...
  • Li, C. and Hu, J.W. (2012). A new ARIMA-based _ ...
  • Box, P. and Jenkins, G.M. (1976). Time Series Analysis: Forecasting ...
  • Khashei, M. and Bijari, M. (2012). Hybridization of the probabilistic ...
  • Khashei, M. and Bijari, M. (2011). A novel hybridization of ...
  • نمایش کامل مراجع