مدل سازی قیمت طلا با استفاده از شبکه عصبی مصنوعی
چکیده
توسعه یک مدل دقیق و صحیح برای قیمت طلا به دلیل ویژگی های منحصر به فرد آن برای مدیریت دارایی مهم و حساس است. در این مقاله، مدل شبکه عصبی مصنوعی (ANN) برای مدل سازی قیمت طلا مورد استفاده بوده، و در مقایسه با مدل آماری سنتی ARIMA قرار گرفته است. (اتورگرسیو یکپارچه میانگین متحرک). سه معیار اندازه گیری عملکرد مدل، تعیین ضریب (R2)، خطا جذر میانگین مربعات (RMSE)، میانگین خطا مطلق (MAE)، برای ارزیابی عملکرد مدل های مختلف توسعه یافته به کار گرفته شده اند. نتایج نشان می دهد که مدل شبکه عصبی مصنوعی از نظر معیارهای عملکرد های مختلف در طول آموزش و مراحل اعتبار سنجی بهتر از مدل ARIMA رفتار میکند.
Abstract
Developing a precise and accurate model of gold price is critical to manage assets because of its unique features. In this paper, artificial neural network (ANN) model have been used for modeling the gold price, and compared with the traditional statistical model of ARIMA (autoregressive integrated moving average). The three performance measures, the coefficient of determination (R2), root mean squared error (RMSE), mean absolute error (MAE), are utilized to evaluate the performances of different models developed. The results show that the ANN model outperforms ARIMA model, in terms of different performance criteria during the training and validation phases.
چکیده
معرفی
شبکه های عصبی مصنوعی (ANN)
مدل سازی قیمت طلا
ارزیابی عملکرد مدل ها
تحلیل میزان حساسیت
نتیجه گیری
Abstract
INTRODUCTION
ARTIFICIAL NEURAL NETWORKS (ANN)
ARIMA METHOD
MODELING OF GOLD PRICE
PERFORMANCE ASSESSMENT OF THE MODELS
SENSITIVITY ANALYSIS
CONCLUSION
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه