پیش بینی نرخ ارز با استفاده از شبکه عصبی با دو رویکرد تکنیکال و بنیادی
Abstract
نرخ ارز یکی از مهم ترین پارامترهای تأثیرگذار بر سیاست های اقتصادی هر کشور می باشد. لذا پیش بینی این متغیر از اهمیّت بسزایی برخوردار است. یکی از روش های سنتی پیش بینی تجزیه و تحلیل سری زمانی است که بر دو فرض ایستایی و خطی بودن بنیان نهاده شده است. امّا در مواردی که ویژگی خطی بودن صدق نکند، در عملکرد این مدل های سنتی تردید ایجاد می شود. در این راستا شبکه های عصبی مصنوعی از قابلیت بالایی در مدل سازی فرآیندهای تصادفی و پیچیده و پیش بینی مسیرهای غیرخطی پویا برخوردار هستند. در این تحقیق، از طریق دو روش خودرگرسیون میانگین متحرک انباشته و شبکه عصبی مصنوعی با رویکرد تکنیکال به پیش بینی روند تغییرات نرخ ارز پرداخته و نتایج حاصل از دو روش را بر اساس معیارهای اندازه گیری دقّت پیش بینی مورد مقایسه قرار می گیرند. نتایج تحقیق نشان می دهد که روش شبکه عصبی مصنوعی نسبت به مدل خودگرسیون میانگین متحرک انباشته از قدرت پیش بینی بهتری برخوردار می باشد. در پایان با استفاده از شبکه عصبی دیگری با رویکرد بنیادی، عوامل موثر بر روند تغییرات نرخ ارز در کشور بررسی شده و حساسیت مدل نسبت به تغییرات متغیرهای ورودی برآورد می گردد.