پيش‌بيني نوسانات كوتاه‌مدت قيمت طلا به كمك شبكه‌هاي عصبي عميق

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

كارشناسي ارشد

امروزه مديريت اقتصاد يكي از مهم‌ترين دغدغه‌هاي بنگاه‌هاي اقتصادي است. پيش‌بيني قيمت سهام، ارزهاي خارجي و كالا‌ها از اهداف چالش‌ برانگيز شركت‌هاي سرمايه‌گذاري، بانك‌ها و ساير سرمايه‌گذاران است. به‌طوركلي پيش‌بيني سري‌هاي زماني مالي به دليل رفتار غيرخطي و پيچيده، براي سرمايه‌گذاران بسيار سخت و دشوار است. لذا صنعت مالي هميشه به پيش‌بيني موفق سري زماني مالي علاقه‌مند بوده است. سرمايه‌گذاران و معامله‌گران در بازارهاي مالي، به‌طور سنتي از دو ابزار تحليل تكنيكال و تحليل بنيادي جهت تخمين روند صعودي يا نزولي قيمت استفاده مي‌كنند كه در بسياري از موارد دچار اشتباه شده و متضرر خواهند شد؛ لذا استفاده از روش‌هاي هوشمند در پيش‌بيني بازارهاي مالي رو به گسترش است. يكي از روش‌هاي هوشمند براي پيش‌بيني، استفاده از شبكه‌هاي عصبي عميق است. در اين پژوهش از مدل‌هاي شبكه عصبي عميق، مدل‌هاي خودهمبسته و مدل پيشنهادي تركيبي جهت پيش‌بيني قيمت طلا در بازه‌ي كوتاه‌مدت بهره گرفته مي‌شود. مدل پيشنهادي از تركيب مدل‌ Garch و مدل‌هاي شبكه عصبي بهره مي‌برد. از نتايج مدل‌هاي پايه جهت ارزيابي ميزان موفقيت مدل پيشنهادي استفاده مي‌كنيم. هم‌چنين براي مشخص شدن ميزان كارايي مدل پيشنهادي، آن را با مدل قدرتمند تركيبي CNN-LSTM كه در بسياري از پژوهش‌هاي ديگر استفاده شده، مقايسه مي‌كنيم. در يكي از مقالات اخير مدل تركيبي CNN-Bi-LSTM براي پيش‌بيني قيمت طلا پيشنهاد شده است كه از نتايج آن، جهت سنجش مدل پيشنهادي خود استفاده مي‌كنيم. درنهايت نتايج پيش‌بيني مدل‌ها به كمك معيارهاي ارزيابي RMSE ، MAPE و R2 با يكديگر مقايسه شده و مشخص مي‌شود كه مدل پيشنهادي عملكرد شايسته‌اي در پيش‌بيني قيمت طلا دارد.

228444

هوش مصنوعي و رباتيكز

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان