نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانش آموخته دکتری علوم اقتصادی دانشگاه مفید

2 کارشناس ارشد گروه اقتصاد دانشکده ادبیات و علوم انسانی دانشگاه محقق اردبیلی

چکیده

با توجه به نوسانات زیاد نرخ ارز در ایران پیش‌بینی آن یکی از موضوعات و چالش‌های مهم برای گروه‌های مختلف در کشور می‌باشد. این مطالعه به بررسی عملکرد شش شبکه‌ی عصبی مختلف ایستا و پویا برای پیش بینی نرخ ارز با رویکردهای بنیادی، تکنیکال و ترکیبی و با بکارگیری داده‌های فصلی طی دوره زمانی (1)1383- (4)1396 برای متغیرهای تاثیرگذار روی نرخ ارز شامل تورم، نقدینگی و تولید ناخالص داخلی برای دو کشور ایران و آمریکا، صورت گرفته است. یافته‌های پژوهش حاکی از این است تعداد نرون‌ها اثر منظمی روی بهتر شدن عملکرد شبکه‌ها نداشته و از طرفی بهترین نتایج در وقفه‌های سه و چهار اتفاق افتاده است. همچنین نتایج نشان می‌دهد که بهترین عملکرد مربوط به شبکه‌ی عصبی مصنوعی ایستا با رویکرد تکنیکال و با ساختار شانزده نرون و چهار وقفه میسر شده است که پیش‌بینی نسبتاً دقیقی از نرخ ارز علیرغم تعداد کم داده‌های ورودی ارائه می‌دهد.

کلیدواژه‌ها

عنوان مقاله [English]

Comparison of the performance of artificial neural network models To Forecast the exchange rate in Iran

نویسندگان [English]

  • abdolrahim hashemi dizaj 1
  • rasool poorvahdan 2

1 استادیار دانشگاه محقق اردبیلی

2 Department of Economics, Faculty of Literature and Humanities, University of Mohaghegh Ardabili

چکیده [English]

Given the high exchange rate fluctuations in Iran, its prediction is one of the major issues and challenges for different groups in the country. This study investigates the performance of six different static and dynamic neural networks for forecasting exchange rates using fundamental, technical and hybrid approaches and using seasonal data over the period (1) 2004- (4) 1396 for variables influencing exchange rate including inflation, Liquidity and GDP for the two countries, Iran and the United States. The findings show that the number of neurons did not have a regular effect on the performance of the networks and that the best results occurred at breaks of three and four. The results also show that the best performance of the static neural network is achieved by a technical approach with a structure of sixteen neurons and four interruptions which provides a relatively accurate exchange rate prediction despite the low number of input data.

کلیدواژه‌ها [English]

  • Time Series
  • Currency Forecasting
  • Artificial neural network
  • artificial intelligence