آیلار ملامهرعلیزاده - کارشناسی ارشد گرایش مهندسی مالی دانشگاه امیرکبیر

امروزه در بازار سرمایه نرخ پول های رایج دنیا به شدت مورد توجه قرار گرفته است. از این رو در این پروژه نرخ تبدیل یورو به دلار بنا بر قدرت و اهمیت آن برای پیش بینی در نظر گرفته شده است. پیش بینی مناسب در این بازار جهت تعیین نرخ ارز باعث ایجاد منافع زیادی می شود. یکی از کاربردهای پیش بینی نرخ ارز در صنعت کشور، واردات مواد اولیه و تجهیزات مورد نیاز از خارج و صادرات تولیدات است. با خرید یا فروش در زمان مناسب می توان سود قابل ملاحظه ای را عاید شرکت ها کرد. از آنجا که کاهش عدم اطمینان از اهداف این پروژه است و استفاده از روش های ترکیبی نقش به سزایی درافزایش سطح اطمینان برای پیش بینی دارند، در نتیجه از ترکیبی از روش ها استفاده می کنیم که بسته به مطالعات انجام شده از هر روش درحیطه ی قوت آن استفاده می کنیم تا بالاترین دقت حاصل شود. در ابتدا به آماده سازی داده ها می پردازیم تا بسته به خواص آماری آنها با دقت ترین روش های پیش بینی را انتخاب کنیم.درادامه برای افزایش ذقت کار از روش های انتخاب ویژگی برای برگزیدن موثرترین متغیرها و با افزودن یکی از روش های یادگیری جمعی برای بهبود نتیجه استفاده می کنیم. در نهایت با مقایسه ی 3 روش ترکیبی Decision Tree-Bagging و Decision Tree-Adaboost ، SVR-Bagging پرداختیم که روش SVR-Bagging با کورولیشن 0.98796 بهترین روش انتخاب شده است

پیش بینی نرخ ارز، شبکه های ثصبی، انتخاب ویاگی، یادگیری جمعی