دوره 26 (1400)
دوره 25 (1399)
دوره 24 (1398)
دوره 23 (1397)
دوره 22 (1396)
دوره 21 (1395)
دوره 20 (1394)
دوره 19 (1393)
دوره 18 (1392)
دوره 17 (1391)
دوره 16 (1390)
دوره 15 (1389)
دوره 14 (1389)
دوره 13 (1388)
دوره 12 (1387)
دوره 11 (1387)
دوره 10 (1387)
دوره 9 (1386)
دوره 8 (1385)
دوره 7 (1384)
دوره 6 (1383)
دوره 5 (1382)
دوره 4 (1381)
دوره 3 (1380)
دوره 2 (1379)
دوره 1 (1374)
1. پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی

علی رئوفی؛ تیمور محمدی

دوره 23، شماره 76 ، پاییز 1397، ، صفحه 107-136

http://dx.doi.org/10.22054/ijer.2018.9514

چکیده
  همواره مدل­سازی و پیش­بینی متغیرهای مالی یکی از موضوع‌های مورد علاقه و مهم برای اقتصاددانان بوده است. در این مقاله، ساختاری برای پیش­بینی سری­های زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم می­آورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیش­بینی کرد. در این روش، با استفاده از تجزیه ...  بیشتر

2. پیش‌بینی قیمت گاز طبیعی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی (مطالعه موردی: بازار آمریکا)

تیمور محمدی؛ عاطفه تکلیف؛ ساحل زمانی

دوره 22، شماره 71 ، تابستان 1396، ، صفحه 1-26

http://dx.doi.org/10.22054/ijer.2017.8277

چکیده
  در این مقاله تلاش شده ‏است با استفاده از ترکیب تبدیل موجک و شبکه عصبی مدلی به‌منظور پیش‌بینی روزانه قیمت گاز طبیعی ارائه شود. در این مدل ترکیبی، از موجک گسسته دابیشز به‌منظور تجزیه سری زمانی قیمت استفاده شده‏، سپس ضرایب تقریبات و جزئیات مؤثر به‌عنوان ورودی شبکه عصبی به‌منظور پیش‌بینی قیمت گاز طبیعی هنری هاب به‌عنوان مرجعی ...  بیشتر