پیش بینی نرخ ارز، با استفاده از یک سیستم فازی- عصبی نوع دوم مبتنی بر خوشه بندی c-means فازی نوع دوم بازه ای

پایان نامه
چکیده

پیش بینی نرخ ارز، همواره به عنوان یکی از موضوعات مورد علاقه فعالان اقتصادی و دانشگاهی بوده است. توان پیش بینی دقیق نرخ ارز، می تواند سود قابل توجهی را نصیب شرکت ها و معامله گران کند. اما نوسان زیاد نرخ ها به دلایلی چون تعدد پارامترهای دخیل در بازار، این کار را بسیار پیچیده و پرخطر کرده است. تاکنون روش های متنوعی از جمله تکنیک ها و فاکتورهای اقتصادی و روش های الگویابی در نرخ های گذشته برای این منظور مورد استفاده قرار گرفته اند. یکی از روش ها که در دو دهه اخیر به دلیل کسب موفقیت های بسیار در این زمینه مورد توجه قرار گرفته است، استفاده از محاسبات نرم می باشد. در این تحقیق، یک سیستم فازی- عصبی ترکیبی بر مبنای خوشه بندی c-means فازی نوع دوم بازه ای، شبکه های عصبی پرسپترون چند لایه و مدل فازی نوع دوم بازه ای برای پیش بینی بازار پر نوسان نرخ ارز forex پیشنهاد شده است. توان بالای شبکه های عصبی در یادگیری و تطابق با محیط و همین طور قابلیت سیستم های فازی در تشخیص عدم قطعیت موجود، این ترکیب را به ترکیبی مناسب برای چنین محیط پیچیده و پر نوسانی تبدیل کرده است. جهت کسب همگرایی سریعتر در فرآیند یادگیری، از ترکیب bp و rprop جهت بهینه سازی پارامترها استفاده شده است. دو نرخ ارز eurusd و usdchf از بازار forex جهت آزمایشات مورد استفاده قرار گرفته اند. سرعت همگرایی و دقت پیش بینی در مورد مدل بررسی شده است. همچنین این مدل با معادل فازی نوع اول خود به همراه خوشه بندی c-means فازی نوع اول و همچنین سیستم فازی- عصبی مبتنی بر flann مورد مقایسه قرار گرفته است. کارایی مدل پیشنهادی در هر دو زمینه سرعت همگرایی و دقت پیش بینی به وضوح قابل مشاهده است.

منابع مشابه

‏به‌کارگیری موجک چبیشف‏ نوع دوم در حل عددی معادلات انتگرال فردهلم خطی فازی نوع دوم

در این مقاله‏، حل عددی معادلات انتگرال فردهلم فازی نوع دو‏م با به‌کارگیری موجک چبیشف‏ نوع دوم را مورد بررسی قرار می‌دهیم. پس از بیان تعاریف مقدماتی مرتبط با معادلات فازی و نیز ویژگی‌های اولیه موجک چبیشف‏ نوع دوم‏، فرم پارامتری معادلات انتگرال فردهلم فازی نوع دو‏م‏، که در واقع دستگاهی از معادلات انتگرال فردهلم خطی در حالت غیرفازی است را معرفی می‌نماییم. سپس با به‌کارگیری موجک چبیشف‏ نوع دوم و به...

متن کامل

پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...

متن کامل

تعیین عوامل حکمرانی در بخش کشاورزی ایران با استفاده از فازی نوع دوم

حکمرانی شامل تعامل بین نهادهای رسمی و جامعه مدنی است. در این تحقیق ابتدا از روش فرا ترکیب برای یافتن عوامل مهم حکمرانی کشاورزی در سطح جهانی استفاده شد. از کارشناسان متخصص کشاورزی برای رتبه بندی متغیرها در سطح جهانی با استفاده از روش آنتروپی شانون استفاده شد. همچنین برای یافتن مولفه های حکمرانی کشاورزی در ایران از تکنیک دلفی برای پر کردن پرسشنامه ها و ماتریس مقایسه زوجی در بین خبرگان ایرانی استف...

متن کامل

ارایه شاخصی جدید جهت سنجش اعتبار خوشه بندی در الگوریتم های خوشه بندی فازی نوع-2

One of the main issues in fuzzy clustering is to determine the number of clusters that should be available before clustering and selection of different values for the number of clusters will lead to different results. Then, different clusters obtained from different number of clusters should be validated with an index. But so far such an index has not been introduced for interval type-2 fuzzy C...

متن کامل

طراحی مدل پیش بینی حجم ترافیک روزانه برون شهری با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS)

 تقاضای روزافزون استفاده از وسایل حمل و نقل شخصی، مشکل تراکم ترافیک را به یکی از مهم ترین بحران ها در اکثر کلان شهرهای جهان تبدیل کرده است. تأثیرات زیست محیطی، اجتماعی و اقتصادی که گره های ترافیکی بر جوامع بشری می گذارد محققین را برآن داشته است که به دنبال راه کارهایی برای مقابله با آن باشند. یکی از این راه کارها پیش بینی حجم ترافیک روزانه است. پیش بینی ترافیک به کنترل کننده ها کمک می کند ت...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023