عنوان

مدلسازی و پیش بینی نرخ ارز در اقتصاد ایران با استفاده از شبکه های عصبی مصنوعی

شماره

‭۷۶۵پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

مدلسازی و پیش بینی نرخ ارز در اقتصاد ایران با استفاده از شبکه های عصبی مصنوعی

نام نخستين پديدآور

/زهرا فرشادفر

نام ناشر، پخش کننده و غيره

تبریز: دانشگاه تبریز،دانشکده علوم انسانی و اجتماعی، گروه توسعه اقتصادی و برنامه ریزی

نام خاص و کميت اثر

‮‭۱۷۰‬ ص.‬

ساير جزييات

: مصور، جدول، نمودار ‮‭۳۰‬*‮‭۲۹‬س.م.-+ یک لوح فشرده

متن يادداشت

چاپی

متن يادداشت

واژه نامه بصورت زیرنویس

متن يادداشت

کتابنامه ص: ‮‭۱۴۸-۱۵۴‬

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

توسعه اقتصادی و برنامه ریزی

زمان اعطا مدرک

‮‭۱۳۸۳/۰۵/۲۵‬

کسي که مدرک را اعطا کرده

تبریز: دانشگاه تبریز،دانشکده علوم انسانی و اجتماعی، گروه توسعه اقتصادی و برنامه ریزی

متن يادداشت

امروزه پیش بینی متغیرهای کلان اقتصادی از اهمیت ویژه‌ای برای سیاست گذاران و بنگاه های اقتصادی برخوردار می باشد .در دهه های اخیر ,مدل های پیش بینی گوناگونی توسعه یافته است .اخیرا به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری، زمانی مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی به کار گرفته شده اند .این مدل ها که در حقیقت اقتباس از فرایند یادگیری مغز انسان هستند ,با استفاده از سرعت محاسباتی کامپیوترروابط بین متغیر ها را هر چند پیچیده باشند یاد گرفته و از آن برای پیش بینی مقادیر آتی استفاده می نمایند .از ویژگی های مهم این مدل ها می توان به آزادی آنها از فروض آماری مربوط به متغیر ها استفاده از روشهای محاسباتی موازی و غیر خطی بودن آنها اشاره نمود .با توجه به اینکه در حال حاضر سیاست توسعه صادرات و جانشینی واردات از اهم سیاستهای کلان دولت شمرده می شود در پی تحقق این هدف پیش بینی نرخ ارز برای صادر کنندگان و وارد کنندگان ارز از اهمیت ویژه ای برخوردار است تا امکان تعیین خط مشی های آینده را برای آنها فراهم سازد .سوال مطرح شده این است که آیا نرخ ارز به وسیله سیستم شبکه های عصبی قابل پیش بینی است؟ در این تحقیق علاوه بر معرفی مدل های شبکه های عصبی و نحوه کاربرد آنها در اقتصاد دو مدل شبکه عصبی برای پیش بینی نرخ ارز اسمی و واقعی در ایران با استفاده از اطلاعات سال های‮‭۱۳۸۱ - ۱۳۴۱‬طراحی و اجرا شده است .نتایج به دست آمده حاکی از آن است که مدل های شبکه های عصبی در اغلب موارد عملکرد بهتری در زمینه پیش بینی نرخ ارز ایران نسبت به رقبای خود داشته است.

متن يادداشت

Nowadays macroeconomic variables are very important for politicians and firms. In recent decades, various forecasting models have developed. Besides the old models such as time series and structural models, recently, another model named artificial neural network is been used for forecasting financial and monetary variables. In fact these models work the same as human brain; by using high computing rate of computers, they compute complicated relations between variables and use them for forecasting variable amounts in future. Important characteristics of this model are: its freedom from statistical assumption related to variables and also using the parallel calculator methods besides being non-linearly. Regarding that now export development and import substitution policy are the governments most important macroeconomic policies, therefore to reach this aim, the ability of forecasting exchange rates becomes very important especially for exporters and importers, in order to predict their business in future. In this research an artificial neural network model and its using method is introduced. Besides that, using the variable data of the years 1962-2002 in an artificial neural network, ARIMA and single equation method, real and nominal exchange rates in Iran were designed and computed. Results indicate that in most cases artificial neural network model has a better efficiency in forecasting exchange rates comparing to other methods.

مستند نام اشخاص تاييد نشده

فرشادفر، زهرا

مستند نام اشخاص تاييد نشده

بهشتی، محمد باقر، استاد راهنما

مستند نام اشخاص تاييد نشده

متفکر آزاد، علی، استاد مشاور

مستند نام اشخاص تاييد نشده

اعلمی، محمد تقی، استاد مشاور همکار

وضعیت فهرست نویسی

نمایه‌سازی قبلی