مقاله

مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

محمدعلی خطیب سمنانی، منیژه هادی نژاد، رکسانا خشوعی

چکیده

این مطالعه تلاشی است در جهت به­کارگیری ترکیب مدل شبکه­ی عصبی پویا و تجزیه­ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش­بینی متغیر مذکور می­باشد. جهت تحقق این مهم، از داده­های سری­زمانی ماهانه­ی نرخ ارز طی بازه­ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدل­سازی­ها استفاده شده و تعداد 27 مشاهده نیز جهت شبیه­سازی و یا به بیان دیگر به منظور ارائه­ی پیش­بینی­های خارج از نمونه به کار گرفته شده است.یافته­های این مطالعه حاکی از آن بوده است که اولاً، مدل­های شبکه­ی عصبی پویا در مقایسه با مدل­های شبکه­ی عصبی چند لایه­ی پیشخور، از عملکرد بهتری در پیش­بینی خارج از نمونه­ی نرخ ارز،بر مبنای هر دو معیار محاسبه­ی خطای پیش­بینی mseو rmse داشته است و ثانیاً، به کارگیری تکنیک تجزیه­ی موجک سبب بهبود نتایج پیش­بینی­های مدل­های مذکور بر مبنای هر دو معیار مذکور گشته است. ثالثاً، در میان مدل­های مذکور، بهترین نتیجه متعلق به پیش­بینی­های حاصل از مدل­های شبکه­ی عصبی پویای مبتنی بر داده­های تجزیه شده با تکنیک موجک بوده است. لذا، استفاده از این ترکیب مدل­ها را به عنوان یک ترکیب بهینه می­توان به محققان، تحلیل­گران و تصمیم­گیران پولی کشور، پیشنهاد نمود.

اسناد مشابه