پیش بینی نرخ ارز با استفاده از سیستم استنتاج عصبی – فازی تطبیقی (انفیس)

هدف: نرخ ارز از مهمترین شاخصهای تاثیرگذار در سطح خرد و کلان کشور میباشدعموما.0مدلهای پیشبینی خطی و شاخص تکنیکی میانگین متحرک برای پیشبینی قیمت ارز استفاده می شوند. اما مدلهای کلاسیک اقتصادسنجی دارای محدودیتهایی همچون مقادیر ورودی سری زمانی میباشند که منجر به فاصله گرفتن مقادیر پیشبینی شده از مقادیر واقعی میشوند. از سوی دیگر محاسبات برگرفته از هوش مصنوعی بر اساس قوانین قابل درک عمل نمیکنند. هدف این تحقیق ارائه مدلی بر پایه انفیس میباشد که فاقد نواقص مدلهای فعلی بوده و نتیجه دقیق تری نسبت به مدلهای موجود ارائه کند.روش پژوهش: برای رسیدن به این هدف سعی بر این داشتیم تا با ترکیب مدلهای اتورگرسیو، میانگین متحرک و انفیس به این هدف دست پیدا کنیم. در این پژوهش سعی در پیشبینی قیمت دلار طی سالهای 93 تا 95 را با استفاده از این ترکیب داشتیم.یافته ها: مدل ترکیبی ارائه شده نتایجی با خطای کمتر نسبت به مدلهای موجود ارائه میکند و با استفاده از میانگین مربعات خطا با مدل شبکه اتورگرسیو مقایسه میشود و نتایج نشان میدهد که مدل ارائه شده به مراتب بهتر از مدلهای دیگر پیش بینی را انجام میدهد.نتایج: با توجه به محدودیتها و نواقص ارائه شده در مورد مدلهای کلاسیک اقتصادسنجی و شبکه های عصبی، انفیس فارق از نواقص مذکور، توانسته نتایجی با خطای کمتر و به بیان دیگر نتایج دقیق تری ارائه کند.

کلیدواژه ها:

انفیس ، پیشبینی ، سری زمانی ، میانگین متحرک ، اتورگرسیو ، نرخ ارز