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