عنوان پایان نامه:
ارائه یک مدل شبکه عصبی مصنوعی جهت پیش بینی روزانه نرخ جفت ارز دلار پوند و مقایسه نتایج حاصل از این پیش بینی با تحلیل های سری زمانی و مدل ARIMA و همچنین تلفیق جواب های حاصل از دو مدل و ارائه نتی
برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
فصل اول: مقدمه و کلیات
1-1- مقدمه
نرخ ارز یک متغیر اقتصادی است که پیش بینی آن مورد علاقه بسیاری از فعالان اقتصادی است . این علاقه مندان را می توان به سه دسته تقسیم کرد . دسته اول ، سیاست گذاران اقتصادی و بانک های مرکزی هستند که تحت یک نظام ارزی شناور مدیریت شده به منظور هموار سازی تلاطمات بازار ، در بازار ارز دخالت می کنند . دلایل انها برای این مداخله می تواند شامل بیش از حد معمول بودن تلاطمات و نتیجه اثر منفی آن بر فعالیت های اقتصادی باشد . بنابراین داشتن پیش بینی از نرخ ارز لازمه داشتن چنین مداخله ایی است . دسته دوم ، بنگاه های فعال در تجارت و سرمایه گذاری‌های بین المللی هستند . جهانی شدن اقتصادی موجب گسترش بازارها و متنوع تر شدن سرمایه گذاری ها شده است . از مهم ترین ریسک های مرتبط با این فعالیت ها ، ریسک ارز است . تغییرات نرخ ارز ، درآمد ، هزینه و سود را دچار تغییر می کند . بنابراین ، پیش بینی نرخ ارز ، تصمیم گیری بنگاه ها را به منظور کسب منفعت بیشتر تحت تأثیر قرار می دهد . دسته سوم ، سفته بازان بازار ارز هستند . سفته بازان مشتاق ترین علاقه مندان به پیش بینی نرخ ارز هستند .
دو رویکرد نسبت به پیش بینی نرخ ارز وجود دارد . اول رویکرد بنیادی [1] است که پیش بینی نرخ ارز را بر اساس دیگر متغیرهای اقتصادی انجام می دهد .دوم رویکرد تکنیکال[2] که فقط از رفتار گذشت نرخ ارز برای پیش بینی روند آتی آن استفاده می کند و به دلیل عدم توجه به دیگر متغیرهای اقتصادی ، به رویکرد تکنیکال شهرت یافته .
لاپلاس در سال 1776 بیان کرد اگر بتوانیم شرایط اولیه[3] هر پدیده را شناسایی کنیم می توانیم آینده آن را نیز به طور دقیق پیش بینی کنیم . این تفکر مدت ها مورد قبول اندیشمندان عرصه علوم تجربی بود . اما پوانکلاره در سال 1903 بیان کرد خطاهای کوچک امروز به خطاهای بزرگ پیش بینی فردا منجر می شود و از آن جا که اغلب شناخت دقیق وضعیت موجود امکان پذیر نیست و توام با خطاست ، پیش بینی امری غیر ممکن می نماید . به هر حال با آن که نظر غالب امروزی بسیار نزدیک به نظر پوانکلاره است ، اندیشمندان علوم مختلف بخش عظیمی از مطالعات خود را بر پیش بینی متغیرها و پدیده های مورد بررسی علوم مترکز ساخته اند . از میان این علوم « اقتصاد » جوان ترین است .
اکثر متغیرهای اقتصادی از آن پدیده هایی هستند که شناخت وضعیت موجود انها غیر ممکن ، و یا حداقل مشکل است.[4] لذا تا به حال پیش بینی ناپذیر بوده اند . برخی ، این پیش بینی ناپذیری را دال بر وجود روند تصادفی در سری زمان این گونه متغیرها دانسته و به دنبال کشف بخش تصادفی ، و تفکیک آن از بخش غیر تصادفی تغییرات متغیر در طول زمان هستند .[5] مدل های ARIMA (p,d,q ) شاخص ترین این اقدامات هستند که جزء توضیح پذیر را خطی در نظر می گیرند و نوسانات را مستقل از زمان تصور می نمایند . اصولاً در اکثر مطالعات ، فرض بر این است که متغیر مورد بررسی یک روند فعلی مشخص دارد که با یک روند تصادفی « نویز سفید »[6] همراه می شود . به طور خلاصه به این گونه مدل ها عنوان خطی – تصادفی داده می شود . برخی نیز مدل های غیر خطی را بر این متغیرها اعمال کرده اند که از این دست می توان به مدل های ARCH[7] و [8]GARCH که به طور ساده مدل غیر خطی را در واریانس پسماندها اعمال می کند . می توان به مدل های لگاریتمی ، مدل های BOX – COX و … اشاره کرد که همه یک جزء تصادفی را نیز در مدل متصور می شوند . به این مدل ها اصطلاحاً غیر خطی – تصادفی اطلاق می شود .
براي دانلود متن كامل پايان نامه اينجا كليك كنيد
نظرات شما عزیزان:
تبادل لینک هوشمند