پیش بینی تغییرات فصلی نرخ ارز با استفاده از روش درخت تصمیم و ماشین بردار پشتیبان

هدف این مطالعه بررسی قدرت پیش بینی از طریق مدلهای یادگیری ماشین ،ماشین بردار پشتیبان svm و درخت تصمیم chaid در بازار ارز غیر رسمی دلار- ریال ایران می باشد .در این راستا پس از مطالعه ادبیات موضوع به انجام آزمون های ریشه واحد و همچنین ضریب همبستگی پیرسون مبادرت گردید .با استفاده از ضریب همبستگی پیرسون صحت گزینش متغیرهای ورودی مشخص گردید .در گام بعدی با ورود متغیرهای تأثیر گذار به مدل به ساخت مدل های مختلف اقدام گردید .و در نهایت با استفاده از معیار دقت(accuracy) ، میانگین مربعات خطا(mse) و مجذور میانگین مربعات خطا (rmse) مدل بهینه از سایر مدل ها گزینش گردید .و مشخص گردید که درخت تصمیم chaid نسبت به مدل ماشین بردار پشتیبان از عملکرد بهتری دارا می باشد .