Abstract:
در این مقاله،از شبکهی عصبی GMDH ،برای پیشبینی قیمت گازوئیل مبتنی بر قواعد تحلیل تکنیکی،شامل میانگینهای متحرک کوتاهمدت و بلند مدت،بهعنوان ورودی شبکه، طی دورههای مختلف بازار،استفاده شده است.در این بررسی،هزینههای مبادله و عوامل برون زا لحاظ نشده است.در روش تحلیل تکنیکی،پیشبینیها با تکیه بر رفتار گذشتهی قیمت در همان بازار(در اینجا گازوئیل خلیج فارس)است.نتایج نشان میدهد که بهترین عملکرد پیشبینی در وضعیت باثبات بازار حاصل شده است.همچنین پیشبینیهای شبکهی عصبی نسبت به روش سری زمانی،از خطایکمتر و دقت بالاتری برخوردار است. طبقه بندی Q47,C14,C15,C45,C53,C67,G17:JEL
Machine summary:
"در این مقاله،از شبکهی عصبی GMDH ،برای پیشبینی قیمت گازوئیل مبتنی بر قواعد
پیشبینی در وضعیت باثبات بازار حاصل شده است.
روش برگزیدهی این مقاله برای پیشبینی قیمت گازوئیل،نوع خاصی از شبکههای
روش شبکه عصبی GMDH در بخش 3 شرح داده شده است.
پیشبینی قیمت گازوئیل با روش GMDH و ARIMA باهم مقایسه میشود و بخش
قیمت سهام را با این نوع شبکهی عصبی پیشبینی کردند،که از دقت بالایی برخوردار
مسأله طراحی شبکههای عصبی GMDH ،با مسائل عنوان شده در بالا متمایز است.
4-پیشبینی قیمت گازوئیل مبتنی بر تحلیل تکنیکی و شبکهی عصبی GMDH
مقاله به پیشبینی قیمتهای گازوئیل خلیج فارس بهعنوان متغیر خروجی خواهیم
میانگینهای هندسی و وزنی نیز برای این کار میتوانند مورد استفاده قرار بگیرند.
بهعنوان خروجی مدل با دو لایهی پنهان،شامل میانگین متحرک قیمت 5 روز قبل با
گازوئیل خلیج فارس در روش تحلیل تکنیکی،برای روند صعودی را نشان داده است.
ورودی مؤثر بر لگاریتم نرخ بازگشت قیمت روزانه بازار گازوئیل خلیج فارس،
ورودی مؤثر بر لگاریتم نرخ بازگشت قیمت روزانه بازار گازوئیل خلیج فارس،به
نمودار (3)،مقادیر پیشبینی و واقعی قیمت گازوئیل خلیج فارس برای روند نوسانی را نشان
نمودار(4)،مقادیر پیشبینی و واقعی قیمت گازوئیل خلیج فارس در روش تحلیل
نمودار(4)،مقادیر پیشبینی و واقعی قیمت گازوئیل خلیج فارس در روش تحلیل
در این مقاله،مدلسازی و پیشبینی قیمت گازوئیل با استفاده از شبکهی عصبی
GMDH ،مبتنی بر الگوریتم ژنتیک برای دادههای روزانه بازار گازوئیل خلیج فارس با
نتایج پیشبینی قیمت گازوئیل خلیج فارس برای 4
نتایج خروجی مدل ARIMA برای پیشبینی قیمت گازوئیل."