مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,328
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

687
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

2

اطلاعات مقاله نشریه

عنوان

بهبود عملکرد پیش بینی های مالی با ترکیب مدلهای خطی و غیرخطی خودرگرسیون میانگین متحرک انباشته و شبکه های عصبی مصنوعی

صفحات

 صفحه شروع 83 | صفحه پایان 100

کلیدواژه

مدلهای خودرگرسیون میانگین متحرک انباشته (ARIMA)Q3
شبکه های عصبی مصنوعی (ANNs)Q3

چکیده

 دقت پیش بینی از مهمترین عوامل موثر در انتخاب روش پیش بینی است. امروزه به رغم وجود روشهای متعدد پیش بینی, هنوز پیش بینی دقیق مالی کار چندان ساده ای نیست و اکثر محققان درصدد به کارگیری ترکیب روشهای متفاوت به منظور حصول نتایج دقیق تر می باشند. در حالت کلی, انتخاب موثرترین روش به منظور پیش بینی, کار بسیار دشواری است و بسیاری از محققان, روشهای خطی و غیرخطی را به منظور حصول نتایج دقیق تر با یکدیگر ترکیب کرده اند؛ چرا که: اولا در عمل تعیین خطی و غیرخطی بودن یک سری زمانی, کار دشواری است. ثانیا سریهای زمانی دنیای واقع, به ندرت کاملا خطی و یا غیرخطی هستند. مدلهای خود رگرسیون میانگین متحرک انباشته (ARIMA) و شبکه های عصبی مصنوعی (ANNs) به ترتیب از جمله دقیق ترین مدلهای خطی و غیرخطی در پیش بینی سریهای زمانی می باشند.در این مقاله به منظور بهره گیری از مزایای منحصر به فرد هر یک از روشهای مدل سازی خطی و غیرخطی و حصول نتایج دقیق تر, روش ترکیبی مدل های خودرگرسیون میانگین متحرک انباشته و شبکه های عصبی مصنوعی به منظور پیش بینی های مالی پیشنهاد شده اند. مقایسه نتایج حاصله بیانگر آنست که مدل تلفیقی نسبت به مدلهای اریما (ARIMA) و شبکه های پرسپترون چندلایه (MLP) نتایج دقیق تری در پیش بینی نرخ ارز (یورو در مقابل ریال) ارایه نموده است.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    خاشعی، مهدی، و بیجاری، مهدی. (1387). بهبود عملکرد پیش بینی های مالی با ترکیب مدلهای خطی و غیرخطی خودرگرسیون میانگین متحرک انباشته و شبکه های عصبی مصنوعی. پژوهش های رشد و توسعه پایدار (پژوهشهای اقتصادی)، 8(2)، 83-100. SID. https://sid.ir/paper/86424/fa

    Vancouver: کپی

    خاشعی مهدی، بیجاری مهدی. بهبود عملکرد پیش بینی های مالی با ترکیب مدلهای خطی و غیرخطی خودرگرسیون میانگین متحرک انباشته و شبکه های عصبی مصنوعی. پژوهش های رشد و توسعه پایدار (پژوهشهای اقتصادی)[Internet]. 1387؛8(2):83-100. Available from: https://sid.ir/paper/86424/fa

    IEEE: کپی

    مهدی خاشعی، و مهدی بیجاری، “بهبود عملکرد پیش بینی های مالی با ترکیب مدلهای خطی و غیرخطی خودرگرسیون میانگین متحرک انباشته و شبکه های عصبی مصنوعی،” پژوهش های رشد و توسعه پایدار (پژوهشهای اقتصادی)، vol. 8، no. 2، pp. 83–100، 1387، [Online]. Available: https://sid.ir/paper/86424/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button