
تعداد نشریات | 43 |
تعداد شمارهها | 1,706 |
تعداد مقالات | 13,973 |
تعداد مشاهده مقاله | 33,597,399 |
تعداد دریافت فایل اصل مقاله | 13,323,022 |
پیشبینی الگوی قیمتی طلا با درونیابی فراکتال | ||
نشریه ریاضی و جامعه | ||
مقاله 7، دوره 8، شماره 3، آذر 1402، صفحه 119-144 اصل مقاله (2.04 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22108/msci.2023.137920.1583 | ||
نویسندگان | ||
حمیدرضا یوسف زاده؛ اعظم فتوت* | ||
گروه ریاضی، دانشگاه پیام نور، تهران، ایران | ||
چکیده | ||
تحلیل و بررسی روند قیمت یک دارایی، گام اساسی در مدیریت ریسک سرمایهگذاری بر روی آن دارایی به شمار میرود. بنابراین در بازارهای جهانی، پیشبینی روند قیمتی یک دارایی مورد توجه ویژه معاملهگران میباشد و حتی در سیاستهای پولی یک کشور نقش اساسی را ایفا میکند. براین اساس، در این مقاله سعی خواهیم کرد با توجه به نوسانات قیمتی و اهمیت بیشتر اونس جهانی طلا نسبت به سایر فلزات در بازارهای جهانی، با استفاده از مفهوم درونیابی فراکتال در پیشبینی روند قیمتی دادههای با ساختار سریهای زمانی، روند قیمتی این فلز گرانبها را مورد تجزیه و تحلیل قرار دهیم تا به کمک آن، الگوی روند قیمتی طلا را بهمنظور پیشبینی روند قیمتی اونس جهانی طلا تعیین کنیم. چنین رویکردی، ابزار لازم در جهت کمک بهنحوه انجام سرمایهگذاری در دورههای زمانی مختلف (کوتاهمدت، میانمدت و احتمالاً بلندمدت) را میتواند فراهم نماید. برای رسیدن به این مهم در ابتدا به تشخیص وجود حافظه بلندمدت در روند قیمتی طلا، با استفاده از نمای هرست میپردازیم. پس از تأیید پایداری، با فراخوانی الگوریتم درونیابی فراکتال به تولید دادههای فراکتالی میپردازیم و در پایان با فراخوانی الگوریتم مبتنی بر شبکههای عصبی بر روی دادههای فراکتالی، به پیشبینی رفتار سری زمانی متناظر با دادههای قیمتی طلا میپردازیم. در پایان به مقایسه نتایج حاصل از فراخوانی دو الگوریتم موجود در ادبیات موضوع بر روی دادههای طلا میپردازیم. | ||
کلیدواژهها | ||
درونیابی فراکتال؛ نمای هرست؛ سریهای زمانی؛ الگوریتم فراابتکاری؛ شبکه عصبی مصنوعی | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
[1] M. Abaszade and S. Effati, Support vector regression with random output variable and probabilistic constraints, Iran. J. Fuzzy Syst., 14 no. 1 (2017) 43–60. [18] P. Sadorsky, Predicting gold and silver price direction using tree-based classifiers, J. Risk Financial Manag., 14 no. 5 (2021) pp. 21. [23] ا. شریف فر، پیشبینی شاخص کل بورس اوراق بهادار تهران با استفاده از روش دو مرحلهای رگرسیون بردار پشتیان (svr-svr)، پایاننامه کارشناسی ارشد، (1396). [24] ز. شکیبا، م. خدری، ف. فقیه موسوی، مقایسهی عملکردی الگوریتمهای $KNN$و $SVM$ در دستهبندی متون، چهارمین کنفرانس بین المللی تحقیقات دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات، تهران، دانشگاه ابرار، (۱۳۹۶). [25] ح. مروت، آزمون فرضیه بازار فرکتالی در بورس اوراق بهادار تهران، بورس اوراق بهادار، 5 (9) (1391) 5--25. [26] ح. ر. یوسف زاده، ا. کرابی و ع. حیدری، فرکسیون: الگوریتم تلفیقی جدید پیشبینی شاخص صنایع بازار بورس اوراق بهادار تهران، پژوهشهای ریاضی، 9 (1) (1402) 311--484.
| ||
آمار تعداد مشاهده مقاله: 335 تعداد دریافت فایل اصل مقاله: 322 |