این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
یکشنبه 7 دی 1404
تحقیقات مالی
، جلد ۱۷، شماره ۲، صفحات ۲۳۹-۲۵۸
عنوان فارسی
بررسی مقایسهای بین مدل ترکیبی سیستم ژنتیک فازی ـ عصبی خودسازمانده و مدل خطی در پیشبینی قیمت توافقی قراردادهای آتی سکۀ طلا
چکیده فارسی مقاله
این مقاله به بررسی پیشبینی قیمت قرارداد آتی سکه طلا در بورس کالای ایران پرداخته است. این تحقیق مدلی ترکیبی بر اساس سیستم ژنتیک فازی (GFS) و شبکه عصبی مصنوعی (ANN) برای پیشبینی قرارداد آتی سکه طلا ارائه داده است. در این روش، ابتدا با استفاده از روش رگرسیون گامبهگام متغیرهایی مشخص میشود که بیشترین تأاثیر را بر قیمت قرارداد آتی سکه طلا دارند. در گام بعدی دادههای خام با استفاده از شبکه عصبی خودسازمانده به k دسته تقسیم میشود. در نهایت، این دستهها به سیستم ژنتیک فازی وارد و پیشبینی انجام میشود. درآخر، نتیجه پیش بینی حاصل از مدل ترکیبی ارائهشده، با نتیجه حاصل از پیشبینی روش خطی آریما با استفاده از معیار سنجش خطا MAPE با هم مقایسه شد. نتایج نشان داد که مدل ترکیبی ارائهشده، پیشبینی بسیار مناسبتری از روش آریما دارد و خطای پیشبینی آن بسیار کمتر بوده است.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Comparison Between the Hybrid Model of Genetic Fuzzy and Self - Organizing Systems and Linear Model to Predict the Price of Gold Coin Futures Contracts
چکیده انگلیسی مقاله
This paper investigates the forecasting gold coin futures contract price in Iran Mercantile Exchange. this research has presented a hybrid model based on genetic fuzzy systems (GFS) and artificial neural network (ANN) to forecast the gold futures contract, At first, we use stepwise regression analysis (SRA) to determine factors which have most influence on stock prices. At the next stage we divide our raw data into k clusters by means of self-organizing map (SOM) neural networks. Finally, all clusters will be fed into independent GFS models. Finally, the results from the proposed hybrid model was compared with the results from forecasting ARIMA model using mean absolute percentage error (MAPE). Results show that the proposed approach outperforms of ARIMA model, so it can be considered as a suitable tool for forecasting price Gold coin futures contracts problems.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
شهاب الدین شمس |
استادیار دانشگاه مازندران، بابلسر، ایران
سازمان اصلی تایید شده
: دانشگاه مازندران (Mazandaran university)
مرضیه ناجی زواره | naji zavareh
کارشناس ارشد مدیریت بازرگانی، دانشگاه مازندران، بابلسر. ایران
سازمان اصلی تایید شده
: دانشگاه مازندران (Mazandaran university)
نشانی اینترنتی
http://jfr.ut.ac.ir/article_57312_6f5dbdc5fc8871d5cea79431408ffdd5.pdf
فایل مقاله
فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات