Skip to main content
فهرست مقالات

عوامل مؤثر بر قیمت طلا و ارائه مدل پیش بینی بر مبنای شبکه های عصبی فازی

نویسنده: ؛ ؛

تابستان 1384 - شماره 16 (18 صفحه - از 149 تا 166)

کلیدواژه ها : منطق فازی ،پیش‌بینی ،شبکه‌های عصبی مصنوعی ،شبکه‌های عصبی فازی ،قیمت طلا

کلید واژه های ماشینی : شبکه‌های عصبی فازی ،شبکه‌های عصبی ،قیمت طلا ،عصبی فازی ،شبکه‌های عصبی مصنوعی ،روشهای شبکه‌های عصبی ،روش شبکه‌های عصبی فازی ،پیش‌بینی قیمت طلا ،دلار ،پیش‌بینی قیمت ،بانکهای مرکزی ،عوامل مؤثر بر قیمت ،روش رگرسیون ،قیمت داخلی طلا ،صندوق بین‌المللی پول ،قیمت طلا در کشور ،طلای بانکهای مرکزی آمریکا ،مصنوعی ،هوش مصنوعی ،قیمت طلا در ایران ،طلای بانکهای مرکزی ،طلا مورد استفاده ،نرخ تورم ،قیمت جهانی طلا ،نوسانات قیمت طلا ،دلار در هر ،بانکهای مرکزی آمریکا ،شبکه‌های صبی فازی ،دلار در مقابل طلا ،قیمت طلای جهانی

طلا همواره به عنوان فلزی گرانها مورد توجه بشر بوده است،بنابراین پیش‌بینی قیمت آن‌ از اهمیت فراوانی برخوردار است.در چند دهه گذشته که روشهای ابتکاری و هوش‌ مصنوعی متداول نشده بودند،برای پیش‌بینی قیمت طلا معمولا از روشهای آماری مانند رگرسیون، ARIMA ،نمو هموار،میانگین متحرک و...استفاده می‌شد.در دههء اخیر با رشد روشهای ابتکاری و هوش مصنوعی،روشهای شبکه‌های عصبی و منطق ازی برای‌ پیش‌بینی قیمت طلا مورد استفاده قرار گرفته و زمینه وسیعی برای تحقیقات آتی فراهم‌ ساخته است.در این تحقیق پس از بررسی اهمیت تاریخی طلا در مالیه بین الملل،عرضه و تقاضای طلا و رابطه دلار و طلا،عوامل موثر بر نوسانات قیمت طلا بررسی شده و از روش شبکه‌های صبی فازی برمبنای مدل تاکاگی-سوگنو برای پیش‌بینی قیمت طلا استفاده شده است.مقایسهء نتایج پیش‌بینی با روش شبکه‌های عصبی فازی با روش‌ رگرسیون نشان‌دهندهء برتری شبکه‌های عصبی فازی در پیش‌بینی قیمت طلا بر روش‌ رگرسیون است.

  • دانلود HTML
  • دانلود PDF

برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.