پيش بيني نرخ ارز با استفاده از شبكه هاي عصبي مصنوعي و مدل ARIMA

پيش بيني نرخ ارز با استفاده از شبكه هاي عصبي مصنوعي و مدل ARIMA

يكي از روش هاي سنتي پيش بيني، تجزيه و تحليل سري زماني است كه بر دو فرض ايستايي و خطي بودن بنيان نهاده شده است. در مورد عمكرد اين مدل هاي سنتي بعضاٌ ترديدهاي ايجاد شده است. يكي از روش هاي جايگزين، شبكه هاي عصبي مصنوعي است كه در برخي از موارد توانايي بالقوه ي خوبي براي پيش بيني سري هاي زماني از خود نشان داده¬اند. در اين مقاله، پس از مرور پژوهش¬هاي انجام شده در مورد توانايي پيش بيني مدل هاي خود توضيح جمعي ميانگين متحرك (ARIMA) و شبكه هاي عصبي مصنوعي ( ANN ) به مقايسه ي اين دو روش براي پيش بيني نرخ روزانه ارز در دوره ي مارس 2006 تا فوريه 2009 پرداخته شده است. نتايج تحقيق نشان داده است كه روش شبكه هاي عصبي تخمين هاي بهتري نسبت به روش ARIMA ارائه مي كند. در اين پژوهش، از ابزارهاي محاسباتي نرم افزار MATLAB و داده¬هاي اقتصادي ايران استفاده شده است.

One of the traditional methods for forecasting is time series analyzing, which based on tow assumption: stationary and linearity. There is Suspicion to working by the traditional models. One of the substitute methods is Artificial Neural Network (ANN) which sometimes shows good potential ability for forecasting time series. In this paper, after reviewing the recent studies on ability of Autoregressive Integrated Moving Average Process(ARIMA) and ANN, tow models for forecasting the exchange rate between march 2006 and February 2009 in Iran are compared. The results show that ANN has a better estimate than ARIMA. In this research, the MATLAB and Central bank data are utilized.