دانشگاه مازندران

دانشکده علوم اقتصادی و اداری

پایان نامه دوره کارشناسی ارشد در رشته علوم اقتصادی

موضوع:

طراحی یک الگوی هوش محاسباتی ترکیبی برای پیش­ بینی نرخ ارز در ایران

استاد راهنما:

دکتر امیر منصور طهرانچیان

استاد مشاور:

دکتر مهدی خاشعی

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

(در فایل دانلودی نام نویسنده موجود است)

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)

فهرست مطالب:

فصل یکم: مقدمه و کلیات

مقدمه…………………………………… 3

1-1. بیان مساله…………………………………… 4

1-2. پرسش پژوهش…………………………………….. 8

1-3. فرضیه ­های پژوهش…………………………………….. 8

1-4. اهداف پژوهش…………………………………….. 9

1-5. روش پژوهش…………………………………….. 9

1-6. تعریف واژگان کلیدی……………………………………. 11

1-7. سازماندهی پژوهش…………………………………….. 11

فصل دوم: ادبیات موضوع

مقدمه…………………………………..13

2-1. مبانی نظری……………………………………. 13

2-1-1. تحلیل فنی……………………………………. 15

2-1-1-1. مبانی تحلیل فنی……………………………………. 16

2-1-1-2. پایه و اساس تحلیل فنی……………………………………. 17

2-1-2. تحلیل بنیادی……………………………………. 18

2-1-2-1. نقاط ضعف تحلیل بنیادی……………………………………. 19

2-1-3. فرضیه گام تصادفی……………………………………. 20

2-1-4. انواع نظام­های ارزی……………………………………. 20

2-1-4-1. نظام­های ارزی شناور…………………………………… 22

2-1-4-2. نظام­های ارزی میانه…………………………………… 24

2-1-4-3. نظام­های ارزی میخکوب شده نرم…………………………………… 25

2-1-4-4. نظام­های ارزی میخکوب سخت…………………………………….. 27

2-1-5. دیدگاه­های مختلف در ادبیات نرخ ارز…………………………………… 28

2-1-5-1. دیدگاه سنتی نرخ ارز…………………………………… 28

الف. روش کشش­ها …………………………………..28

ب. الگوی برابری قدرت خرید ( )…………………………………… 30

ج. الگوی ماندل – فلمینگ ( )…………………………………… 32

2-1-5-2. دیدگاه جدید دارایی……………………………………. 34

الف. الگوهای پولی تعیین نرخ ارز…………………………………… 34

ب. الگوی تعادل پورتفولیو…………………………………… 37

2-2. مطالعات انجام شده………………………………….. 38

2-2-1. مطالعات خارجی……………………………………. 38

2-2-2. مطالعات داخلی……………………………………. 46

2-3. مروری بر تحولات ارزی ایران…………………………………… 48

2-3-1. تحولات ارزی تا زمان وقوع انقلاب اسلامی……………………………………. 48

2-3-2. تحولات ارزی پس از وقوع انقلاب اسلامی……………………………………. 50

فصل سوم: روش پژوهش

3-1. مقدمه…………………………………… 55

3-2. حدود پژوهش و روش جمع­آوری داده­ها و اطلاعات…………………………… 55

3-3. پیش بینی……………………………………. 56

3-4. الگوهای پیش­بینی سری­های زمانی…………………………………… 57

3-4-1. الگوی خودرگرسیون میانگین متحرک انباشته ( )………………………… 58

3-4-1-1. تاریخچه خودرگرسیون میانگین متحرک انباشته…………………………. 58

3-4-1-2. ویژگی­های روش خودرگرسیون میانگین متحرک انباشته………………… 59

3-4-1-3. الگوسازی ،  و ……………………………………. 60

3-4-1-4. الگوی خودرگرسیون میانگین متحرک انباشته……………………….. 62

3-4-1-5. مراحل الگوسازی سری زمانی با روش خودرگرسیون میانگین متحرک انباشته………63

3-4-2. الگوهای شبکه­های عصبی مصنوعی ( )…………………………………… 64

3-4-2-1. تاریخچه شبکه­های عصبی مصنوعی……………………………………. 64

3-4-2-2. مبانی شبکه­های عصبی مصنوعی……………………………………. 65

3-4-2-3. مزیت­ها و معایب شبکه­های عصبی مصنوعی……………………………. 66

3-4-2-4. ساختار شبکه ­های عصبی مصنوعی…………………………………… 66

3-4-2-5. دسته­ بندی داده ­ها………………………………….. 68

3-4-2-6. واحدهای پردازش…………………………………….. 69

3-4-2-7. انواع توابع فعال­سازی (تبدیل)…………………………………… 69

3-4-2-8. انواع شبکه­ های عصبی……………………………………. 71

3-4-2-9. مراحل اساسی ساخت یک شبکه عصبی مصنوعی…………… 74

3-4-2-10. الگوریتم­های آموزش شبکه­ های عصبی مصنوعی…………….. 75

3-4-2-11. شبکه­ های پرسپترون چند لایه ( )…………………………………… 76

3-4-2-12. معیارهای خطا………………………………….. 79

3-4-3. مفاهیم فازی……………………………………. 80

3-4-3-1. تاریخچه نظریه فازی……………………………………. 80

3-4-3-2. مجموعه های فازی……………………………………. 81

3-4-3-3. عملگرهای فازی……………………………………. 82

3-4-3-4. اصل گسترش در مجموعه­ های فازی……………………………………. 82

3-4-3-5. عدد فازی……………………………………. 83

3-4-3-6. مبانی رگرسیون فازی……………………………………. 85

3-5. الگوی هوش محاسباتی ترکیبی……………………………………. 87

فصل چهارم: یافته­های پژوهش

4-1. مقدمه…………………………………… 96

4-2. مجموعه­ی داده ­ها …………………………………..96

4-3. آماده­سازی داده ­های ورودی……………………………………. 97

4-4. برازش الگوی خودرگرسیون میانگین متحرک انباشته…………….. 98

4-5. طراحی و آموزش یک شبکه عصبی مصنوعی……………………. 105

4-5-1. انتخاب نوع شبکه…………………………………… 106

4-5-2. تعیین تعداد لایه­ ها …………………………………..106

4-5-3. تعیین تعداد نرون­های هر لایه…………………………………… 107

4-5-4. تعیین توابع فعال­سازی……………………………………. 110

4-5-5. تعیین الگوریتم آموزش…………………………………….. 110

4-5-6. مجموعه­های آموزش و آزمون…………………………………… 111

4-5-7. معیار سنجش عملکرد…………………………………… 111

4-6. فازی­سازی الگوی  طراحی شده…………………………………… 113

4-7. فازی­سازی تجدید نظر شده و نهایی سازی مقادیر ضرایب…………… 117

4-8. مقایسه الگوی هوش محاسباتی ترکیبی با سایر الگوها…………….. 118

4-9. آزمون فرضیه­های پژوهش…………………………………….. 119

فصل پنجم: خلاصه، نتیجه­گیری و پیشنهادها

5-1. خلاصه و نتیجه ­گیری……………………………………. 122

5-2. پیشنهادها …………………………………..123

 منابع…………………………………… 124

 پیوست……………………………………. 132

چکیده:

پیش­بینی از ابزارها و راهکارهای مؤثر به منظور برنامه­ریزی و تدوین روش­های مالی است. دقت پیش­بینی از مهم­ترین عوامل مؤثر در انتخاب روش پیش­بینی است. امروزه با وجود روش­های متعدد پیش­بینی، هنوز پیش­بینی دقیق نرخ ارز کار چندان ساده­ای نیست و اکثر محققان درصدد به­کارگیری و ترکیب روش­های متفاوت به منظور دستیابی به نتایج دقیق­تر هستند. الگوهای خودرگرسیون میانگین متحرک انباشته یکی از مهم­ترین و پرکاربردترین الگوهای سری‌های زمانی هستند. مهم­ترین محدودیت آن­ها پیش‌فرض خطی‌بودن الگو است. شبکه‌های عصبی مصنوعی از جمله مهم­ترین و دقیق‌ترین روش­های حال حاضر جهت الگو‌سازی غیرخطی داده‌ها هستند. اما با وجود تمامی مزیت‌های شبکه‌های عصبی، این‌گونه از شبکه‌ها را نمی‌توان در تمامی موارد و به عنوان یک الگوی کلی که برای همه موارد مناسب باشند، درنظرگرفت. الگوی رگرسیون فازی یک الگوی مناسب در شرایط پیش­بینی با داده­های کم است. امّا عملکرد آن­ها در حالت کلی چندان رضایت‌بخش نیست. بنابراین، در پژوهش حاضر از شبکه‌های عصبی مصنوعی و رگرسیون فازی به ترتیب به منظور حذف محدودیت‌های خطی و تعداد داده‌های مورد نیاز در روش خودرگرسیون میانگین متحرک انباشته و بهبود نتایج حاصل، استفاده ‌شده است. اطلاعات استفاده شده در این پژوهش شامل 115 داده­ی هفتگی نرخ ارز (دلار ایالات متحده در مقابل ریال ایران) از تاریخ 12/01/1391 تا 21/03/1393 است. در پژوهش حاضر به منظور اندازه­گیری عملکرد پیش­بینی الگوی ارایه شده از شاخص­های مختلفی مانند میانگین مطلق خطا ( )، میانگین مربع خطا ( )، مجموع مربع خطا ( )، ریشه میانگین مربع خطا ( )، میانگین درصد مطلق خطا ( ) و میانگین خطا ( ) استفاده شده است. نتایج نشان می­دهد که الگوی هوش محاسباتی ترکیبی نسبت به سایر الگوها نتایج دقیق­تری در پیش­بینی نرخ ارز (دلار در مقابل ریال) ارایه می­دهد.

براي دانلود متن كامل پايان نامه اينجا كليك كنيد  

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 595