شاپور محمدی - دانشیار دانشکده مدیریت دانشگاه تهران
الهام پارسا - کارشناسی ارشد مدیریت مالی

در این مطالعه، دقت مدل های خطی و غیرخطی در پیش بینی سری های زمانی مورد مقایسه با مدل های ترکیبی قرارگرفته است. مدل خودرگرسیو میانگین متحرک انباشته به عنوان مدل خطی و مدلهای شبکه ی عصبی و رگرسیون بردارپشتیبان به عنوان مدلهای غیرخطی مورد آزمون قرار گرفتهاند. مدل ترکیبی ارایه شده نیز بر پایه ی مدل های شبکه یعصبی و رگرسیون بردار پشتیبان ارایه شده است. جامعه ی آماری مورد بررسی قیمت های روزانه دلار به ریال در بازه یزمانی ابتدای فروردین 1384 تا پایان اسفند 1388 می باشد. نتایج به دست آمده نشان می دهد که مدل ترکیبی ارایه شده،در پیش بینی نرخ ارز عملکرد بهتری نسبت به مدل های خودرگرسیو میانگین متحرک انباشته و شبکه ی عصبی داشتهاست. همچنین مدل رگرسیون بردار پشتیبان بهبود قابل توجهی در قدرت پیش بینی مدلهای هوشمند ایجاد می کند.

نرخ ارز، خودرگرسیو میانگین متحرک انباشته، شبکه عصبی، رگرسیون بردار پشتیبان