پیش بینی قیمت طلا با استفاده از مقایسه روش هایANN ، ANFIS وSVM
نام نخستين پديدآور
/ماندانا زارعی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: اقتصاد، مدیریت و بازرگانی
تاریخ نشرو بخش و غیره
، ۱۳۹۶
نام توليد کننده
، افشاری
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به مندرجات
متن يادداشت
Uncertainty about the future has caused people in future markets to face uncertainty in the future cost of base assets. Therefore, in order to gain more profit in conducting futures and reduce investors uncertainty in the future price of gold, predicting the price of future has a great importance. The main objective of the present research is to predict the future price of gold in short-term intervals of the exchange by using intelligent methods. In order to accomplish this, three intelligent models: Artificial Neural Network, Adaptive Neuro-Fuzzy Inference system, Support Vector Machine, and ARIMA, are used in second interval as a tool for prediction. The Mapminmax function is used to normalize data in intelligent methods, and the output of these models is compared with the output of the linear model. After comparing the outputs by using the MSE, RMSE, ErrorMean and ErrorSTD errors, and checking the error output graphs, distribution, regression and comparing output with the target, along with the specific graphs of each method, the Artificial Neural Network with the lowest error value (MSE = 0/00026 ) And the highest regression (R = 93/166
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مدیریت گرایش مالی
زمان اعطا مدرک
۱۳۹۶/۰۶/۱۲
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
عدم اطمینان در مورد آینده باعث شده است افرادی که در بازار های آتی مشارکت می کنند با ابهاماتی در مورد قیمت آتی دارایی پایه رو به رو باشند .بنابراین، برای به دست آوردن سود بیشتر در انجام معاملات آتی و کاهش ابهامات سرمایه گذاران درباره قیمت آتی طلا، پیش بینی قیمت قرارداد آتی اهمیت فراوانی خواهد داشت .هدف اصلی پژوهش حاضر پیش بینی قیمت آتی طلا در بازه های زمانی کوتاه مدت بورس با استفاده از روش های هوشمند می باشد .در جهت تحقق این امر، ۳ مدل هوشمند شبکه عصبی مصنوعی ، سیستم استنتاج فازی- عصبی تطبیقی، ماشین بردار پشتیبان و مدل خطی میانگین متحرک خودهمبسته یکپارچه، در بازه ی زمانی ثانیه ای به عنوان ابزاری برای پیش بینی مورد استفاده قرار می گیرند .و خروجی این مدل ها با خروجی مدل خطی مقایسه می شود .پس از مقایسه خروجی ها با استفاده از معیارهای خطایMSE ،RMSE ، ErrorMean وErrorSTD و بررسی نمودارهای خروجی خطا، توزیع، رگرسیون و مقایسه خروجی با هدف در کنار نمودارهای خاص هر روش، شبکه عصبی مصنوعی با کمترین مقدار خطا (MSE = ۰.۰۰۰۲۶) و بیشترین مقدار رگرسیون( (R = ۹۳.۱۶۶ ، بعنوان مدل بهینه، انتخاب شد .
متن يادداشت
Uncertainty about the future has caused people in future markets to face uncertainty in the future cost of base assets. Therefore, in order to gain more profit in conducting futures and reduce investors uncertainty in the future price of gold, predicting the price of future has a great importance. The main objective of the present research is to predict the future price of gold in short-term intervals of the exchange by using intelligent methods. In order to accomplish this, three intelligent models: Artificial Neural Network, Adaptive Neuro-Fuzzy Inference system, Support Vector Machine, and ARIMA, are used in second interval as a tool for prediction. The Mapminmax function is used to normalize data in intelligent methods, and the output of these models is compared with the output of the linear model. After comparing the outputs by using the MSE, RMSE, ErrorMean and ErrorSTD errors, and checking the error output graphs, distribution, regression and comparing output with the target, along with the specific graphs of each method, the Artificial Neural Network with the lowest error value (MSE = 0/00026 ) And the highest regression (R = 93/166 ) is chose as the optimal model.
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )