ارزیابی و مقایسه عملکرد مدل خود رگرسیون میانگین متحرک انباشته و شبکه عصبی فازی برای پیش بینی روزانه قیمت طلا

از آنجایی که فلزات گران بها مانند طلا از جمله متغیرهای تاثیرگذار در سیستم های مالی هستند، پیش بینی قیمت آن ها از اهمیت خاصی برای تصمیم گیران برخوردار است. به دلیل قدرت نقد شوندگی طلا، این دارایی می تواند جایگزین مناسبی برای سرمایه گذاران نسبت به سایر اقلام دارایی باشد. در میان روش های پیش بینی، شبکه های عصبی مصنوعی (ANN) و منطق فازی در بسیاری از زمینه کاربردی استفاده شده است که هر کدام دارای معایب و محاسنی هستند. بدین منظور ما در این مطالعه از یک شبکه عصبی فازیِ ANFIS بر مبنای مدل تاکاگی-سوگنو و همچنین الگوریتم یادگیری ترکیبی پس انتشار و حداقل مربعات خطا در جهت بهبود دقت پیش¬بینی و افزیش سرعت همگرایی استفاده کرده ایم. بازه زمانی به¬کار گرفته شده برای پیش بینی قیمت روزانه طلا از 12/7/2010 تا 18/5/2012 است. هدف این مطالعه ارزیابی و مقایسه عملکرد دو روش خودرگرسیون میانگین متحرک انباشته (ARIMA) و شبکه عصبی فازی ANFIS در پیش بینی قیمت روزانه طلا است. نتاایج نشان دادکه با توجه به معیارهای متداول ارزیابی خطای پیش بینی، مدل ANFIS نسبت به مدل ARIMA پیش بینی دقیق تری ارائه می دهد.

پیش بینی، شبکه عصبی فازی ANFIS، مدل ARIMA، قیمت طلا