مقایسهی عملکرد مدلهای شبکههای عصبی مصنوعی برای پیشبینی نرخ ارز در ایران
نویسندگان
1 استادیار دانشکده علوم اجتماعی،دانشگاه محقق اردبیلی، اردبیل، ایران. (نویسنده مسئول)
2 استادیار دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
3 دانشجوی کارشناسی ارشد دانشکده علوم اجتماعی،دانشگاه محقق اردبیلی، اردبیل، ایران
doi
10.22096/esp.2020.43397چکیده
با توجه به نوسانات زیاد نرخ ارز در ایران پیشبینی آن یکی از چالشهای مهم برای گروههای مختلف در کشور میباشد. این مطالعه به بررسی عملکرد شش شبکهی عصبی مصنوعی مختلف ایستا و پویا برای پیشبینی 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. نتایج نشان میدهد که بهترین عملکرد مربوط به شبکهی ایستای 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. همچنین دومین عملکرد مناسب مربوط به شبکهی ایستای ترکیبی با ساختار ده نرون و دو وقفه میباشد. با این ملاحظات، سیاستگذاران میتوانند با توجه به دسترسی بیشتر و بروزتر به دادههای موثر بر نرخ ارز و با پایش لحظهای متغیرها و ورود آنها به مدل جامع طراحی شده با استفاده از این روش، میزان انحراف نرخ ارز پیشبینی شده توسط مدل و نرخ ارز موجود را مورد بررسی قرار داده و سیاستهای مقتضی را بر این اساس اتخاذ نمایند، به طوری که زیانهای وارده بر بخش داخلی و خارجی اقتصاد ناشی از شکاف نرخ پیشبینی شده و نرخ ارز موجود در حداقل مقدار باشد.