حمید ابریشمی؛ علی معینی؛ محسن مهرآرا؛ مهدی احراری؛ فاطمه سلیمانی کیا
دوره 12، شماره 36 ، مهر 1387، ، صفحه 58-37
چکیده
در این پژوهش از شبکه عصبی GMDH مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدلسازی سیستمهای غیرخطی پویای پیچیده، برای پیشبینی قیمت بنزین با دو روش قیاسی و قواعد تحلیل تکنیکی، استفاده کردهایم. متغیرهای ورودی در روش قیاسی شامل تمام عوامل مؤثر(درون و برون سیستمی) بر قیمت بنزین و در روش تحلیل تکنیکی شامل میانگینهای ...
بیشتر
در این پژوهش از شبکه عصبی GMDH مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدلسازی سیستمهای غیرخطی پویای پیچیده، برای پیشبینی قیمت بنزین با دو روش قیاسی و قواعد تحلیل تکنیکی، استفاده کردهایم. متغیرهای ورودی در روش قیاسی شامل تمام عوامل مؤثر(درون و برون سیستمی) بر قیمت بنزین و در روش تحلیل تکنیکی شامل میانگینهای متحرک کوتاه و بلندمدت است. نتایج نشاندهنده دقت بیش از 96درصد پیشبینی و پایداری روش قیاسی و بیش از99درصد تحلیل تکنیکی است. اثر روز دوشنبه به عنوان یک معیار تحلیل تکنیکی در روش قیاسی، تأیید شده است. همچنین، در مقایسه معیارهای خطا، دقت پیشبینیهای شبکه عصبی GMDH به طور معناداری از الگوی رگرسیونی بهتر است.[1]
1. نویسندگان از مشورتهای آقایان دکتر نریمانزاده استاد دانشکده مکانیک دانشگاهگیلان و مهندس جمالی دانشجوی دکتری دانشگاه گیلان بهره برده که کمال تشکر خود را از ایشان اعلام میدارند.
حمید ابریشمی؛ علی معینی؛ مهدی احراری
دوره 4، شماره 10 ، فروردین 1381، ، صفحه 105-123
چکیده
یکی از مسائل مهم و راهبردی در مباحث اقتصادی امروز، دقت، صحت و کارایی مدل های پیش بینی سری های زمانی است. به همین دلیل در سال های اخیر توجه اقتصاددان ها به مدل های ناخطی معطوف شده است. زیرا، پدیده های متعددی نظیر آشوب در مدل های ناخطی قابل بررسی است. در این مقاله، به بررسی وجود آشوب در سری زمانی قیمت های آتی نفت (96-1999) می پردازیم. به این منظور ...
بیشتر
یکی از مسائل مهم و راهبردی در مباحث اقتصادی امروز، دقت، صحت و کارایی مدل های پیش بینی سری های زمانی است. به همین دلیل در سال های اخیر توجه اقتصاددان ها به مدل های ناخطی معطوف شده است. زیرا، پدیده های متعددی نظیر آشوب در مدل های ناخطی قابل بررسی است. در این مقاله، به بررسی وجود آشوب در سری زمانی قیمت های آتی نفت (96-1999) می پردازیم. به این منظور از دو روش عمومی و کاربردی تخمین بعد هم بستگی (CD) و بزرگترین نمای لیاپانوف (LLE) برای اثبات وجود آشوب و از تحلیل R/S یا نمای هرست (HE) برای تشخیص غیر تصادفی بودن سری استفاده می کنیم. به این ترتیب، فرضیه غیرتصادفی و ناخطی بودن ساختار سری زمانی قیمت های آتی نفت را آزمون (اثبات یا رد) می کنیم. به عبارت دیگر، می خواهیم به این پرسش پاسخ دهیم که آیا می توان یک مدل ناخطی پویا برای سری زمانی قیمت های آتی نفت پیشنهاد کرد تا به تبع آن بتوان یک پیش بینی تعیینی دقیق و صحیح را برآورد کرد؟ براساس آزمون های انجام شده نشان می دهیم که سری زمانی قیمت های آتی نفت (96-1999) دارای ساختار آشوبناک ضعیف و معین است. بنابراین، می توان یک مدل ناخطی پویا را به همنظور تعیین رفتار و پیش بینی تعیینی و با دقت بالا در کوتاه مدت برای سری زمانی قیمت های آتی نفت ارایه کرد.