پیش بینی دامنه تغییرات طلا با استفاده از مدل ترکیبی ARIMA و شبکه عصبی

  • سال انتشار: 1397
  • محل انتشار: مجله مهندسی مالی و مدیریت اوراق بهادار، دوره: 9، شماره: 34
  • کد COI اختصاصی: JR_FEJ-9-34_017
  • زبان مقاله: فارسی
  • تعداد مشاهده: 728
دانلود فایل این مقاله

نویسندگان

شاپور محمدی

دانشیار، اقتصاد سنجی، دانشگاه تهران، تهران، ایران

رضا راعی

دانشیار، مدیریت مالی، دانشگاه تهران، تهران، ایران

محمدرضا رحیمی

دانشجوی دکتری، مدیریت مالی، دانشگاه تهران، تهران، ایران

چکیده

مدل خودرگرسیو میانگین متحرک انباشته (ARIMA) که تحت عنوان روش باکس و جنکینزشناخته می شود، یکی از پرکاربردترین مدل ها در پیش بینی سری های زمانی است. اما پیش­ فرض اصلی این مدل خطی بودن سری­های زمانی می­باشد. از سوی دیگر شبکه­ی عصبی یک تخمین زننده­ی عمومی است که الگو­های غیر خطی را بسیار خوب مدل­سازی می­نماید. دانستن الگوی داده­ها مبنی بر خطی و غیر خطی بودن در واقعیت کمی دشوار است، بنابراین این ایده در ذهن ایجاد می­گردد که تلفیق  مدل­های خطی و غیرخطی می­تواند منجر به افزایش دقت پیش­بینی گردد. از این­ رو، در این پژوهش بخش خطی را بوسیله­ی مدل ARIMA پیش­بینی کرده، آن­گاه پسماند­های غیر خطی را بوسیله­ی شبکه­ی عصبی پیش­خور مدل سازی نموده و پیش­بینی حاصل از آن­ را به مدل ARIMA ، به­منظور پیش­بینی حد بالای قیمت، حد پایین قیمت و قیمت پایانی اونس طلا (برای یک مرحله پیش­رو) اضافه می­نماییم. نتایج بررسی دقت مدل ترکیبی نسبت بر هر یک از مدل­های ARIMA و شبکه­ی عصبی بر اساس دو معیار MSE و MAE  با استفاده از آزمون­های مقایسه زوجی و دایبولد- ماریانو دال بر عملکرد بهتر مدل ترکیبی است.

کلیدواژه ها

خود رگرسیو میانگین متحرک انباشنه (ARIMA), شبکه عصبی پیش خور, مدل ترکیبی

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.