تعیین میزان تأثیرپذیری طلا و نفت بر پیش بینی روند دلار در بازار ایران مبتنی بر مدل مخفیمارکوف

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 445

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTCK02_122

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

در این مطالعه، میزان تأثیرپذیری طلا و نفت بر پیش بینی روند دلار در بازار ایران بر اساس مدل مخفی مارکوف بررسیشده است. در الگوریتم پیشنهادی، ابتدا پیش پردازشی بر روی مجموعه داده انجام می شود؛ زیرا در بازارهای مالیدادهای برای روزهای غیر کاری وجود ندارد، همچنین روزهای کاری ایران و نیویورک متفاوت است و بخشی از داده هااز بین می روند، بنابراین ابتدا داده های ناقص با روش بیشینه کردن میانگین (EM) کامل می شوند، سپس مدل مخفی مارکوف طراحی میشود. در طراحی مدل مخفی مارکوف، روند قیمت طلا و نفت به عنوان حالات مخفی مدل و روندقیمت دلار به عنوان مشاهده مدل در نظر گرفته شده است. پس از طراحی، مدل مخفی مارکوف آموزش داده می شود واحتمال روندهای مختلف که ممکن است برای روز مورد پیش بینی رخ دهد، محاسبه می شود، سپس بیشترین احتمالبه عنوان روند آینده در نظر گرفته می شود. مدل پیشنهادی با سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)مقایسه شده است. نتایج نشان میدهد، میزان تأثیرپذیری دو عامل طلا و نفت در پیشبینی روند دلار با استفاده ازمدل مخفی مارکوف 54 % است، در نتیجه علاوه بر نفت و طلا عاملهای دیگر نیز وجود دارند که بر چگونگی روند دلاردر ایران تأثیرگذار است.

کلیدواژه ها:

پیش بینی ، روش بیشینه کردن میانگین ، طلا و نفت ، مدل مخفی مارکوف

نویسندگان

زهره صدرنژاد

کارشناسی ارشد نرم افزار کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

مجید وفایی جهان

گروه کامپیوتر- نرمافزار، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Y.-Q. Zhang and X. Wan, "Statistical fuzzy interval neural networks ...
  • Y. Zuo and E. Kita, "Stock price forecast using Bayesian ...
  • "Application of type-2 neuro-fuzzy modeling in stock price prediction, " ...
  • International Economics, vol. 36, pp. 151-165, 7. M. Qi and ...
  • M. A. _ Medina and . Mendez, "Modelling and Prediction ...
  • M. R. Hassan, "A combination of hidden Markov model and ...
  • B.-T. Chen, M.-Y. Chen, H.-S. Chiang, and C.- C. Chen, ...
  • discretization partitioning, " in Knowlege- Based and Intelligent Information and ...
  • W. Fenghua, X. Jihong, H.Zhifang, and G.Xu, "Stock Price Prediction ...
  • N. Apergis, "Can gold prices forecast the Australian dollar movements?, ...
  • F. F ernandez-Ro drguez, S. S osvilla-Rivero, and J. Andrada-Felix, ...
  • S. Ye, "RMB exchange rate forecast approach based on BP ...
  • A. Gupta and B. Dhingra, "Stock market prediction using hidden ...
  • F. A. de Oliveira, C. N. Nobre, and L. E. ...
  • K. Park and H. Shin, "Stock price prediction based _ ...
  • E. J. de Fortuny, T. De Smedt, D. Martens, and ...
  • نمایش کامل مراجع