فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی نرخ‌های ارز یکی از مسائل مهم مالی است که به خاطر مشکلات ذاتی و کاربردهای عملی آن توجه زیادی را به خود جلب کرده است. روش‌های تجزیه و تحلیل سری‌های زمانی به طور سنتی بر دو مفهوم مانایی و خطی بودن بنیان نهاده شده‌اند. اما در مواردی که پویایی سیستم ویژگی غیر خطی بالایی را نشان می‌دهد، عملکرد این مدل‌های سنتی عمدتاً ضعیف می‌باشد. از طرف دیگر شبکه‌های عصبی مصنوعی و تبدیل موجک توانایی بالقوه خوبی برای پیش‌بینی سری‌های زمانی از خود نشان داده‌‌اند. از این‌رو در این مقاله روش پیش‌بینی ارائه می‌شود تا قدرت شبکه‌های عصبی و تبدیل موجک را با هم ترکیب می‌کند. در این روش نرخ‌های ارز اصلی که باید پیش‌بینی شوند، در ابتدا با استفاده از تکنیک موجک به مؤلفه‌های مقیاسی متفاوتی تجزیه می‌شوند. در مرحله بعد تکنیک شبکه‌های عصبی برای مدل‌بندی هر کدام از مؤلفه‌های سری‌های زمانی بکار گرفته می‌شود و پیش‌بینی نهایی سری‌های زمانی اصلی با ترکیب پیش‌بینی این مؤلفه‌ها بدست می‌آید. این روش برای پیش‌بینی یک و ده گام به جلوی نرخ‌های ارز روزانه بکار گرفته می‌شود. نتایج نشان می‌دهد که عملکرد این روش پیشنهادی در مقایسه با مدل شبکه عصبی و مدل ARIMA در پیش‌بینی‌‌ها از یک گام تا 5 گام به جلو بهتر است.