عنوان

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

Number

‭۷۶۵پ‬

.Language of Text, Soundtrack etc

per

Title Proper

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

First Statement of Responsibility

/زهرا فرشادفر

Name of Publisher, Distributor, etc.

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

Specific Material Designation and Extent of Item

‮‭۱۷۰‬ ص.‬

Other Physical Details

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

Text of Note

چاپی

Text of Note

واژه نامه بصورت زیرنویس

Text of Note

کتابنامه ص: ‮‭۱۴۸-۱۵۴‬

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

توسعه اقتصادی و برنامه ریزی

Date of degree

‮‭۱۳۸۳/۰۵/۲۵‬

Body granting the degree

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

Text of Note

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.

Text of Note

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.

فرشادفر، زهرا

بهشتی، محمد باقر، استاد راهنما

متفکر آزاد، علی، استاد مشاور

اعلمی، محمد تقی، استاد مشاور همکار

نمایه‌سازی قبلی