خلاصة:
سیستمهای غیرخطی پویا، رفتارهای مختلفی از خود بروز میدهند که میتواند در توجیه بسیاری از پدیدههای اقتصادی، که به نظر تصادفی میرسند، به کار گرفته شود. تئوری آشوب یک راه جدید برای بررسی روند تغییرات سیستمهای غیرخطی پویا در بازارهای پولی و مالی پیشنهاد می کند. این مقاله، با استفاده از تئوری آشوب و ماکزیمم نمای لیاپانوف، حساسیت نرخ ارز ایران نسبت به شرایط اولیه را در برابر دلار آمریکا، کانادا، پوند انگلیس، یورو اروپا و درهم امارات، در بازه زمانی 5/1/1371 تا 2/3/1386 مورد بررسی قرار میدهد. برای این منظور، ابتدا به بررسی وجود رفتار آشوبی در نرخهای ارز ذکر شده با استفاده از آزمون بعد همبستگی و ماکزیمم نمای لیاپانوف پرداخته میشود. نتایج، حاکی از آن است که نرخ ارز ایران در برابر دلار آمریکا از حساسیت کمتری نسبت به شرایط اولیه برخوردار است، و دوم اینکه از یک فرایند آشوبی تبعیت میکند و بنابراین، استفاده از روش های خطی برای پیشبینی این متغیر مناسب نمی باشد. لذا در قسمت دوم مقاله با استفاده از مدل غیرخطی شبکه عصبی که با الگوریتم بهینه سازی گروه ذرات خودتطبیقی آموزش دیده، به پیش بینی نرخ ارز ایران در برابر دلار آمریکا پرداخته می شود. نتایج حاصل از الگوریتم شبکه عصبی، نشان میدهد که قیمت های روزانه ارز انتخابی در یک بازه کوتاه مدت بر اساس قیمت های گذشته، با دقت بالایی قابل پیش بینی است.