مقایسه عملکرد مدلهای شبکه عصبی مصنوعی واتورگرسیون برداری در پیش بینی شاخص قیمت و بازده نقدی مقالة

مؤلف: فامیلیان، مولود ؛ یزدانی، سیما ؛

تحقیقات حسابداری و حسابرسی بهار 1393 - شماره 21 التصنيف العلمية - البحثية (Ministry of Science/ISC (‎33 صفحة - من 186 إلی 218 )

الکلمات المفتاحية: شبکه های عصبی مدلهای اتورگرسیو شاخص نقدی و قیمت Dividend and Price Index Auto regress Models Neural Networks

fa en

خلاصة:

هدف این مقاله تجزیه و تحلیل‌های اقتصادی، پیش بینی صحیح و دقیق متغیرهای اقتصادی است. در این زمینه، روشهای مختلفی برای پیش بینی در اقتصاد وجود دارد، که از جمله آنها میتوان به مدلهای رگرسیون، معادلات همزمان و... اشاره کرد. مدلهای سری زمانی نیز از جمله مدلهای اقتصادی می‌باشند که در آن پیش بینی مقادیر سری، بیش از هر چیز به عهده خودشان گذاشته می‌شود اما استفاده از روش‌های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم‌های پیچیده، مدتهاست در محافل علمی و حتی حرفهای متداول و معمول شده است. در بسیاری از سیستم‌های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش‌های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می‌نماید، از روش‌های غیر کلاسیک که از ویژگی‌هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردار هستند، استفاده می‌شود. شبکه‌های عصبی، یکی از این روش‌های بدیع و در حال تحول است که در موضوعات متنوعی از قبیل الگوسازی، شناخت الگو، خوشه بندی و پیش بینی به کار رفته و نتایج مفیدی داشته است. در این مقاله، از شبکه‌های عصبی در پیش بینی سری‌های زمانی داده‌های اقتصادی استفاده کردهایم. در این رابطه عوامل مختلف ساختاری، روش‌های مختلف یادگیری شبکه‌های عصبی و انتخاب و کاربرد مناسب داده‌ها در فرایند پیش بینی، مورد ارزیابی و بررسی قرار گرفته است و با مدل‌های ساختاری و سری زمانی مانند اتورگرسیون برداری مقایسه گردیده است. در این پژوهش، از ابزارهای محاسباتی نرم افزار MATLAB و شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران مابین سال‌های 1385 تا 1390 استفاده شده است. خلاصه نتیجه‌گیری و پیشنهادات حاکی از آن است که مدل شبکه‌های عصبی مصنوعی از عملکرد بهتری در پیش بینی مقادیر متغیرها برخوردار است.

استلام ملف الإرجاع :
(پژوهیار, , , )

تحميل
تحميل HTML

رابط قصير:

صفحة:

دخول / الاشتراک

تحتاج الدخول لعرض محتوى المقالة. إذا لم تكن عضوًا ، فتابع من الجزء الاشتراک.

دخول