ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی روزانه نرخ ارز یورو/ دلار در بازار فارکس با استفاده از شبکه عصبی

تعداد صفحات: 16 | تعداد نمایش خلاصه: 18357 | نظرات: 0
سال انتشار: 1387
کد COI مقاله: IIEC06_216
زبان مقاله: فارسی
(فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 16 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی روزانه نرخ ارز یورو/ دلار در بازار فارکس با استفاده از شبکه عصبی

محمدامین حسن قلیزاده - استادیار دانشگاه گیلان
کامبیز شاهرودی - استادیار دانشگاه آزاد اسلامی واحد رشت
مارال ظفراللهیاری - دانشجوی کارشناسی ارشد دانشگاه گیلان

چکیده مقاله:

فارکس امروزه یکی از سیال ترین و مهم ترین بازارهای مالی است و نوسانات نرخ های ارز در این بازار یکی از عمده ترین مسایل بخش بازرگانی هر کشوری محسوب می شود. عوامل زیادی همچون عوامل اقتصادی، سیاسی، روانی بر آن موثر هستند، و این ها خود باعث عدم اطمینان بیشتر می شوند. در این راستا سرمایه گذار در فارکس در تلاش برای کاهش عدم اطمینان است، پیش بینی بازار فارکس یکی از ابزارهای کاهش عدم اطمینان می باشد. دلار امریکا مهم ترین ارز در سراسر جهان به حساب می آید و بیشترین حجم مبادلات بین المللی با استفاده از آن انجام می شود بیش از نیمی از ذخایر مبادلات رسمی ارز در اکثر کشورهای اقتصادی منطقه یورو دومین اقتصاد بزرگ جهان پس از ایالات متحده به شمار می آید. ایالات متحده امریکا بزرگترین شریک و رقیب تجاری اروپاست. تغییرات این زوج ارز بر ارزهای عمده دیگر از جمله ین ژاپن، لیره استرلینگ و غیره نیز موثر است. از طرفی این تغییرات اثرات قابل ملاحظه ای در زمینه تصمیمات اقتصادی (میزان واردات و صادرات، نرخ های فلزات گرانبها، بخش انرژی)، جهت گیری های سیاسی و روانی دارد. از این رو مطالعه و پیش بینی صحیح روند و تغییرات این زوج ارز حائز اهمیت است. پیش بینی دارای تکنیک های مختلفی است. اخیرا علاقه فزاینده ای برای استفاده از شبکه های عصبی در امر پیش بینی بخصوص در حوزه مالی صورت گرفته است. به همین جهت در این تحقیق با استفاده از (یادگیری هدایت شده) یک مدل جهت پیش بینی روزانه جفت ارز یورو اتحادیه اروپا و دلار امریکا توسعه داده شده است.

کلیدواژه ها:

بازار فاركس، نرخ ارز، شبكه هاي عصبي

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/58990/

کد COI مقاله: IIEC06_216

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حسن قلیزاده، محمدامین و شاهرودی، کامبیز و ظفراللهیاری، مارال،1387،پیش بینی روزانه نرخ ارز یورو/ دلار در بازار فارکس با استفاده از شبکه عصبی،ششمین کنفرانس بین المللی مهندسی صنایع،تهران،،،https://civilica.com/doc/58990

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1387، حسن قلیزاده، محمدامین؛ کامبیز شاهرودی و مارال ظفراللهیاری)
برای بار دوم به بعد: (1387، حسن قلیزاده؛ شاهرودی و ظفراللهیاری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • زمانی فراهانی، مجتبی، پول، ارز و بانکداری، انتشارات ترمه، 1385. ...
  • Yao Jingtao , Yili Li _ Chew Lim Tan _ ...
  • فرجی، یوسف، پول، ارز و بانکداری، شرکت چاپ و نشر ...
  • نظری‌نژاد، محمد و بهمن نظری‌نژاد، مرجع کامل فارکس، انتشارات ترانه، ...
  • Huang Wei _ K.K.Lai , Y.Nakamori _ Shouyang Wang , ...
  • Yao Jingtao , Yili Li , Chew Lim Tan _ ...
  • McRae Mark, Sure- Fire Forex Trading, _ sure fire -forex-trading ...
  • Delurgio Stephan A, Forecasting Principles And Applications, McGrow Hill Editions, ...
  • Kasabov Nikola K, Foundation Of Neural Networks , Fuzzy systems ...
  • Qi Mini, Guoqiang Peter Zhang, "An Investigation of Model Selection ...
  • Wong Bo K. Vincent S. Lai, Jolie Lam, _ A ...
  • Zhang Gioqinang, Michael Y. Hu, "Neural Network Forecasting of the ...
  • Lubecke H.Thomas, Kyung Doo Nam, Robert E.Markland, Chuck C.Y.Kwon, " ...
  • Hu. M.Y and C. Tsoukalas, "Combining Conditional Volatility Forecasts Using ...
  • Wu Berlin, "Model-free Forecasting for Nonlinear Time Series (with application ...
  • Panda Chakradhara, _ .Narasimhan, "Forecasting Exchange rate Better With Artificial ...
  • Shanker.M., Hu _ M.Y, Hung.M.S, "Effect of data S tandardization ...
  • Haykin Simon, Neural networks A C omprehensive Foundation, Pretice Hall ...
  • Santos Andre Alves P ortela, Newton Carneiri Affonso da Costa ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 11,614
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی