پیش بینی روزانه نرخ ارز یورو/ دلار در بازار فارکس با استفاده از شبکه عصبی
محل انتشار: ششمین کنفرانس بین المللی مهندسی صنایع
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 20,709
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IIEC06_216
تاریخ نمایه سازی: 8 مهر 1387
چکیده مقاله:
فارکس امروزه یکی از سیال ترین و مهم ترین بازارهای مالی است و نوسانات نرخ های ارز در این بازار یکی از عمده ترین مسایل بخش بازرگانی هر کشوری محسوب می شود. عوامل زیادی همچون عوامل اقتصادی، سیاسی، روانی بر آن موثر هستند، و این ها خود باعث عدم اطمینان بیشتر می شوند. در این راستا سرمایه گذار در فارکس در تلاش برای کاهش عدم اطمینان است، پیش بینی بازار فارکس یکی از ابزارهای کاهش عدم اطمینان می باشد. دلار امریکا مهم ترین ارز در سراسر جهان به حساب می آید و بیشترین حجم مبادلات بین المللی با استفاده از آن انجام می شود بیش از نیمی از ذخایر مبادلات رسمی ارز در اکثر کشورهای اقتصادی منطقه یورو دومین اقتصاد بزرگ جهان پس از ایالات متحده به شمار می آید. ایالات متحده امریکا بزرگترین شریک و رقیب تجاری اروپاست. تغییرات این زوج ارز بر ارزهای عمده دیگر از جمله ین ژاپن، لیره استرلینگ و غیره نیز موثر است. از طرفی این تغییرات اثرات قابل ملاحظه ای در زمینه تصمیمات اقتصادی (میزان واردات و صادرات، نرخ های فلزات گرانبها، بخش انرژی)، جهت گیری های سیاسی و روانی دارد. از این رو مطالعه و پیش بینی صحیح روند و تغییرات این زوج ارز حائز اهمیت است.
پیش بینی دارای تکنیک های مختلفی است. اخیرا علاقه فزاینده ای برای استفاده از شبکه های عصبی در امر پیش بینی بخصوص در حوزه مالی صورت گرفته است. به همین جهت در این تحقیق با استفاده از (یادگیری هدایت شده) یک مدل جهت پیش بینی روزانه جفت ارز یورو اتحادیه اروپا و دلار امریکا توسعه داده شده است.
کلیدواژه ها:
نویسندگان
محمدامین حسن قلیزاده
استادیار دانشگاه گیلان
کامبیز شاهرودی
استادیار دانشگاه آزاد اسلامی واحد رشت
مارال ظفراللهیاری
دانشجوی کارشناسی ارشد دانشگاه گیلان
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 :