دانلود پايان نامه : ارائه یک مدل شبکه عصبی مصنوعی جهت پیش بینی روزانه نرخ جفت ارز دلار پوند و مقایسه نتایج حاصل از این پیش بینی

 پایان نامه سایت ارشدها - رشته جغرافی-جغرافیا

عنوان کامل پایان نامه :

 ارائه یک مدل شبکه عصبی مصنوعی جهت پیش بینی روزانه نرخ جفت ارز دلار پوند و مقایسه نتایج حاصل از این پیش بینی

قسمتی از متن پایان نامه :

2 3 3 شکستگی های ناگهانی ساختاری در مسیر زمانی

سری های آشوبی در برخی از مراحل مسیر زمانی خود ممکن است دچار شکست های ناگهانی ساختاری شوند . نمودار (2-5) نشان می دهد که چگونه یک سری آشوبی پس از 25 دروه نوسانات یکنواخت از نقطه A تا B به یک باره دچار شکستگی شده و به مدت 10 دوره، مسیری کاملاً هموار را از B تا C دنبال می کند و مجدداً دچار نوسان شده تا این که در نقاط D تا E به صورت هموار در می آید . این ویژگی سری های آشوبی کار پیش بینی انها را بسیار مشکل می کند .

این پدیده ، حاکی از آن است که رفتار یک سری آشوبی به طور کلی با رفتار یک سری تصادفی متفاوت است ، یک سری آشوبی در حقیقت ، از یک فرآیند معین تبعیت می کند ، فرایندی که دچار اختلال بسیار بزرگ تصادفی است که در فواصل تصادفی اتفاق می افتد.اگر رفتار یک سری از فرآیند تصادفی بدست آمده باشد ، قابل پیش بینی نیست و اما اگر از فرآیند آشوبی ایجاد شده باشد ، هر چند پیچیده بوده و تصادفی به نظر برسد ، به علت معین بودن فرآیند ، قابل پیش بینی است .

نمودار (2-5 فرآیند معین با اختلالات بزرگ تصادفی در فواصل تصادفی

2 4  آزمون های کشف آشوب

همان‌گونه که در بخش قبلی توضیح داده شد، وجود آشوب در سری‌های اقتصادی می‌توان نتایج جدی و بسیار متفاوتی در مدل‌های رایج اقتصاد کلان داشته باشد. به دنبال بحث‌های نظری ، پژوهش‌های تجربی متعددی پیرامون وجود فرایند غیر خطی در سری‌های اقتصادی با روشی نو و پیچیده‌تری صورت گرفته است. اقتصاد دانان در مواجهه با آمار و اطلاعات سری‌های زمانی متغیرهای اقتصادی که نوسانات نامنظم دارند، علاقه مندند بدانند که آیا مدل یا سیستم اقتصادی واقعی مورد نظر ،رفتار آشوبی دارد یا خیر .

در ادبیات مربوط به آشوب، آزمون‌های متعددی برای تشخیص فرآیندهای آشوبی از فرایندهای تصادفی مطرح شده اند. برخی از این آزمون ها فرضیه تصادفی یک فرآیند را آزمون می‌کنند، ولی برخی دیگر یکی از خصوصیات فرآیندهای آشوبی را آزمون می‌کنند . گروه اول را می‌توان به عنوان آزمون‌های غیر مستقیم و گروه دوم را آزمون‌های مستقیم برای کشف فرآیندهای آشوبی نام برد. در آزمون‌های غیر مستقیم معمولاً تصادفی بودن پسماندهای رگرسیون خطی یا غیر خطی آزمون می‌شود. از طرفی ، رد فرضیه تصادفی بودن پسماندها لزوماً به معنای آشوبی بودن یک فرآیند نیست ، زیرا ممکن است این مساله به علت نوع تصریح مدل خطی و یا غیر خطی مورد استفاده در آزمون باشد .

مهم‌ترین آزمون‌های آشوب عبارتند از: آزمون بعد همبستگی ، آزمون تکمیلی براک ، آزمون BDS[1]  آزمون توان لیاپانوف[2]آزمون شبکه عصبی و آزمون آنتروپی لولموگروف[3]که ما در این تحقیق از آزمون بعد همبستگی استفاده خواهیم کرد .

[1]– نام این آزمون برگرفته از نام ابداع کنندگان آن یعنی Brock , Dechert & sheinkmon (1993 )

2-yapunov Exponent

3-Kolmogrov Entropy

سوالات یا اهداف این پایان نامه :

هدف از تحقیق

    هدف از انجام این تحقیق ، ارائه یک مدل شبکه عصبی مصنوعی جهت پیش بینی روزانه نرخ جفت ارز  و مقایسه نتایج حاصل از این پیش بینی با تحلیل های سری زمانی و مدل ARIMA و همچنین تلفیق جواب های حاصل از دو مدل و ارائه نتیجه بهتر نسبت به هر دو مدل است

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل با فرمت ورد می توانید به لینک زیر مراجعه نمایید:

 دانلود متن کامل پایان نامه جغرافیا در لینک زیر

لینک متن کامل پایان نامه رشته جغرافیا با عنوان :  ارائه یک مدل شبکه عصبی مصنوعی جهت پیش بینی روزانه نرخ جفت ارز دلار پوند و مقایسه نتایج حاصل از این پیش بینی با فرمت ورد